Tracciamento dell'output di kmeani (PyCluster impl)

Question

Come avviene l'output grafico di kmea in cluster in python? Sto usando il pacchetto PyCluster. allUserVector è un vettore dimensonal n di m, in pratica n utenti con m caratteristiche.

import Pycluster as pc 
import numpy as np 

clusterid,error,nfound = pc.kcluster(allUserVector, nclusters=3, transpose=0,npass=1,method='a',dist='e') 
    clustermap, _, _ = pc.kcluster(allUserVector, nclusters=3,         transpose=0,npass=1,method='a',dist='e',) 

centroids, _ = pc.clustercentroids(allUserVector, clusterid=clustermap) 
print centroids 
print clusterid 
print nfound 

voglio stampare i cluster bene in un grafico che mostra i cluster chiaramente quali sono gli utenti in cui l'utente è un cluster.Each m vettore tridimensionale Eventuali ingressi?

Answer 1

È un po 'difficile da plasmare dati m -dimensionali. Un modo per farlo è mappare in uno spazio 2D tramite Principal Component Analysis (PCA). Una volta fatto, possiamo lanciarli su una trama con matplotlib (basato su this answer).

import numpy as np 
import matplotlib.pyplot as plt 
from matplotlib import mlab 
import Pycluster as pc 

# make fake user data 
users = np.random.normal(0, 10, (20, 5)) 

# cluster 
clusterid, error, nfound = pc.kcluster(users, nclusters=3, transpose=0, 
             npass=10, method='a', dist='e') 
centroids, _ = pc.clustercentroids(users, clusterid=clusterid) 

# reduce dimensionality 
users_pca = mlab.PCA(users) 
cutoff = users_pca.fracs[1] 
users_2d = users_pca.project(users, minfrac=cutoff) 
centroids_2d = users_pca.project(centroids, minfrac=cutoff) 

# make a plot 
colors = ['red', 'green', 'blue'] 
plt.figure() 
plt.xlim([users_2d[:,0].min() - .5, users_2d[:,0].max() + .5]) 
plt.ylim([users_2d[:,1].min() - .5, users_2d[:,1].max() + .5]) 
plt.xticks([], []); plt.yticks([], []) # numbers aren't meaningful 

# show the centroids 
plt.scatter(centroids_2d[:,0], centroids_2d[:,1], marker='o', c=colors, s=100) 

# show user numbers, colored by their cluster id 
for i, ((x,y), kls) in enumerate(zip(users_2d, clusterid)): 
    plt.annotate(str(i), xy=(x,y), xytext=(0,0), textcoords='offset points', 
       color=colors[kls]) 

Se si desidera tracciare qualcosa di diverso da numeri, basta cambiare il primo argomento di annotate. Potresti essere in grado di fare nomi utente o qualcosa del genere, per esempio.

Si noti che i cluster potrebbero sembrare leggermente "sbagliati" in questo spazio (ad esempio 15 sembra più vicino al rosso che verde in basso), perché non è lo spazio effettivo in cui si è verificato il clustering. In questo caso, i primi due componenti pricipali preservano 61% della varianza:

>>> np.cumsum(users_pca.fracs) 
array([ 0.36920636, 0.61313708, 0.81661401, 0.95360623, 1.  ])