Mô hình phân cụm kết tụ

Thuộc phần Học không giám sát trong hành trình Machine Learning của Coddy. Bài học 17 trên 51.

Xe hơi lấp đầy hai bãi đỗ xe, còn một hàng xe nối dọc con đường ở giữa. Có hai cách gộp thành 2 cụm:

Hai biểu đồ về cùng 102 chiếc xe. Bên trái, liên kết ward: bãi đỗ xe phía bắc và bãi đỗ xe phía nam tạo thành hai cụm gồm 53 và 49 chiếc xe, con đường được chia đôi giữa hai cụm. Bên phải, liên kết single: một cụm gồm 101 chiếc xe và 1 chiếc xe riêng lẻ

scikit-learn thực hiện việc gộp cụm. Cho biết khi nào cần dừng bằng n_clusters:

from sklearn.cluster import AgglomerativeClustering
model = AgglomerativeClustering(n_clusters=2, linkage="ward")
labels = model.fit_predict(X)

linkage quyết định khoảng cách giữa hai nhóm:

"ward", mặc định: giữ các nhóm gần nhau
"complete": cặp xa nhau nhất
"average": khoảng cách trung bình của tất cả các cặp
"single": cặp gần nhau nhất

Single tạo thành các chuỗi: ở đây, con đường nuốt chửng cả hai bãi đỗ xe. Ward tạo ra các nhóm tròn, đồng đều.

Thử thách

Trung bình

Dâu tây dại mọc thành ba cụm, cùng với một vài cây dọc theo lối đi. Phương pháp liên kết nào tìm ra các cụm? plants lưu vị trí của chúng.

Với mỗi phương pháp liên kết trong linkages, hãy phân cụm cây thành 3 nhóm.
In kích thước các nhóm dưới dạng danh sách, theo thứ tự từ lớn nhất đến nhỏ nhất.
Khi nhóm lớn nhất có hơn một nửa số cây, hãy thêm chained.

Với một đồng cỏ khác:

ward: [40, 38, 31]
complete: [41, 37, 31]
average: [41, 37, 31]
single: [86, 22, 1] chained

Tự làm thử

import numpy as np
import pandas as pd
from sklearn.cluster import AgglomerativeClustering

# Vị trí của 109 cây dâu tây dại trên đồng cỏ (tính bằng mét): ba cụm và một lối đi
rng = np.random.default_rng(4)
plants = np.round(np.concatenate([
    rng.normal([2, 3], 0.8, size=(40, 2)),
    rng.normal([9, 4], 1.0, size=(35, 2)),
    rng.normal([6, 10], 0.9, size=(25, 2)),
    np.column_stack([np.linspace(3, 8, 9), np.linspace(3.2, 4, 9)]) + rng.normal(0, 0.15, size=(9, 2)),
]), 2)
linkages = ["ward", "complete", "average", "single"]

# Viết code bên dưới