gpt4 book ai didi

coordinates - 3d 坐标上的 DBSCAN 找不到集群

转载 作者:行者123 更新时间:2023-12-04 08:12:07 28 4
gpt4 key购买 nike

我正在尝试在 1428 点的 3D 坐标 DataFrame 中聚类点。
这些星团是相对平坦的平面,是细长的云 DataFrame .它们是非常明显的集群,所以我希望尝试无监督的集群(不放入预期的集群数量)KMeans 没有正确地将它们分开并且确实需要集群的数量:
Kmeans plot results
数据如下所示:

                 5             6         7
0 9207.495280 18922.083277 4932.864
1 5831.199280 3441.735280 5756.326
2 8985.735280 12511.719280 7099.844
3 8858.223280 28883.151280 5689.652
4 6801.399277 6468.759280 7142.524
... ... ... ...
1423 10332.927277 22041.855280 5136.252
1424 6874.971277 12937.563277 5467.216
1425 8952.471280 28849.887280 5710.522
1426 7900.611277 19128.255280 4803.122
1427 10234.635277 18734.631280 5631.286

[1428 rows x 3 columns]
我希望 DBSCAN 能够更好地处理这些数据。但是,当我尝试以下操作时(我尝试了 eps 和 min_samples 但没有成功):
from sklearn.cluster import DBSCAN
dbscan = DBSCAN(eps=10, min_samples = 50)
clusters = dbscan.fit_predict(X)

print('Clusters found', dbscan.labels_)
len(clusters)
我得到这个输出:
Clusters found [-1 -1 -1 ... -1 -1 -1]

1428
我一直对让它起作用感到困惑,尤其是因为 Kmeans 确实起作用了:
kmeans = sk_cluster.KMeans(init='k-means++', n_clusters=9, n_init=50)
kmeans.fit_predict(X)
centroids = kmeans.cluster_centers_
kmeans_labels = kmeans.labels_
error = kmeans.inertia_
print ("The total error of the clustering is: ", error)
print ('\nCluster labels')
The total error of the clustering is:  4994508618.792263

Cluster labels
[8 0 7 ... 3 8 1]

最佳答案

记住这个黄金法则:
在将数据提供给 ML/DL 算法之前,始终并始终对数据执行规范化。
原因是,您的列具有不同的范围,可能一列的范围为 [10000,20000],而另一列的范围为 [4000,5000],当您将这些坐标绘制在图形上时,它们将非常远,聚类/分类永远不会起作用,也许回归会起作用。缩放使每一列的范围达到相同的水平,但仍保持距离但具有不同的比例。就像在 google MAPS 中一样,当您放大时,比例会减小,而当您缩小时,比例会增加。
您可以自由选择归一化算法,sklearn 上几乎有 20-30 个可用。
编辑:
使用此代码:

from sklearn.preprocessing  import MinMaxScaler
scaler = MinMaxScaler()
scaler.fit(X)
X_norm = scaler.transform(X)

from sklearn.cluster import DBSCAN
dbscan = DBSCAN(eps=0.05, min_samples = 3,leaf_size=30)
clusters = dbscan.fit_predict(X_norm)

np.unique(dbscan.labels_)

array([-1,  0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32,
33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47])

我发现 DBSCAN 是一种基于密度的方法,我尝试了 sklearn 归一化器(来自 sklearn.preprocessing import normalize),它基本上转换为高斯分布,但它不起作用,并且在 DBSCAN 的情况下不应该,因为它需要每个特征具有相似的密度。
所以,我使用了 MinMax 缩放器,因为它应该使每个特征的密度相似,并且需要注意的是,由于缩放后的数据点小于 1,因此也应该使用相似范围内的 epsilon。
荣誉:)

关于coordinates - 3d 坐标上的 DBSCAN 找不到集群,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65902125/

28 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com