scikit-learn
kütüphanesini kullanarak k-araçları için en iyi k
tespit etmek için boşluk istatistiklerini hesaplamaya çalışıyorum. Doğru k
değerini kesin olarak belirlemek için, sonraki sapmalardan standart sapmayı çıkarmam gerektiğine inanıyorum ve if gap(k) >= gap(k+1) - std(k+1)
'u görmeye bakın. Bu standart sapmanın değerini nasıl belirleyeceğimi anlamıyorum.Scikit-öğrenmede atalet kullanarak boşluk istatistiği için standart sapmayı nasıl hesaplarsınız?
Teşekkürler!
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans, MiniBatchKMeans
from numpy.random import random_sample
from math import sqrt, log
# returns series of random values sampled between min and max values of passed col
def get_rand_data(col):
rng = col.max() - col.min()
return pd.Series(random_sample(len(col))*rng + col.min())
def iter_kmeans(df, n_clusters, num_iters=10):
rng = range(1, num_iters + 1)
vals = pd.Series(index=rng)
for i in rng:
k = KMeans(n_clusters=n_clusters, n_init=3)
k.fit(df)
print "Ref k: %s" % k.get_params()['n_clusters']
vals[i] = k.inertia_
return vals
def gap_statistic(df, max_k=15):
gaps = pd.Series(index = range(1, max_k + 1))
for k in range(1, max_k + 1):
km_act = KMeans(n_clusters=k, n_init=3)
km_act.fit(df)
# get ref dataset
ref = df.apply(get_rand_data)
ref_inertia = iter_kmeans(ref, n_clusters=k).mean()
gap = log(ref_inertia - km_act.inertia_)
print "Ref: %s Act: %s Gap: %s" % (ref_inertia, km_act.inertia_, gap)
gaps[k] = gap
return(gaps)