Měření doby běhu hierarchického clusteringu

V předchozích cvičeních této kapitoly jsi pracoval/a s daty o návštěvnosti Comic Conu a vytvářel/a shluky. V tomto cvičení změříš, jak dlouho trvá spuštění algoritmu na systému DataCampu.

Pamatuj, že dobu provádění krátkých úseků kódu lze měřit pomocí:

%timeit sum([1, 3, 2])

Data jsou uložena v pandas DataFrame comic_con. x_scaled a y_scaled jsou názvy sloupců se standardizovanými souřadnicemi X a Y osob v daném časovém okamžiku. Modul timeit a funkce linkage jsou již naimportovány.

Jak dlouho trvá spuštění funkce linkage na datech z Comic Conu?

Toto cvičení je součástí kurzu

Cluster Analysis in Python

Zobrazit kurz

Interaktivní praktické cvičení

Proměňte teorii v praxi s jedním z našich interaktivních cvičení

Začít cvičení

Toto cvičení je součástí kurzu

Cluster Analysis in Python

SkillTag.level.intermediateSkillTag.label

4.8+

1005 reviews

Začněte kurz zdarma

Než se pustíš do klasifikace zpravodajských článků, je potřeba se seznámit se základy shlukování. Tato kapitola tě uvede do světa algoritmů strojového učení bez učitele a pak tě představí shlukování jako jednomu z nejpoužívanějších přístupů v této oblasti. Dozvíš se o dvou oblíbených technikách shlukování – hierarchickém shlukování a metodě k-means. Kapitola završí základními kroky předzpracování dat, než se do samotného shlukování pustíš.

Exercise 1: Základy učení bez učitele Exercise 2: Učení bez učitele v praxi Exercise 3: Pozorování Pokémonů Exercise 4: Základy shlukové analýzy Exercise 5: Pokémon sightings: hierarchical clustering Exercise 6: Pokémon sightings: k-means clustering Exercise 7: Příprava dat pro shlukovou analýzu Exercise 8: Normalizace základních dat ze seznamu Exercise 9: Vizualizace normalizovaných dat Exercise 10: Normalizace malých čísel Exercise 11: FIFA 18: Normalizace dat

Tato kapitola se zaměřuje na populární shlukovací algoritmus – hierarchické shlukování – a jeho implementaci v SciPy. Kromě samotného postupu pro hierarchické shlukování ti pomůže odpovědět na důležitou otázku: kolik shluků vlastně v tvých datech je? Kapitola zakončuje diskusí o omezeních hierarchického shlukování a upozorňuje na důležité aspekty, které je při jeho použití potřeba mít na paměti.

Exercise 1: Základy hierarchického shlukování Exercise 2: Hierarchické shlukování: metoda ward Exercise 3: Hierarchické shlukování: metoda single Exercise 4: Hierarchické shlukování: metoda complete Exercise 5: Vizualizace clusterů Exercise 6: Vizualizace clusterů pomocí matplotlib Exercise 7: Vizualizace clusterů pomocí seaborn Exercise 8: Kolik clusterů?Exercise 9: Vytvoření dendrogramu Exercise 10: Kolik shluků je v datech z Comic Conu?Exercise 11: Omezení hierarchického shlukování Exercise 12: Měření doby běhu hierarchického clusteringu

Aktuální cvičení

Exercise 13: FIFA 18: zkoumáme obránce

Tato kapitola představuje jiný shlukovací algoritmus – metodu k-means – a její implementaci v SciPy. Metoda k-means překonává největší nevýhodu hierarchického shlukování, o které jsme mluvili v předchozí kapitole. Protože dendrogramy jsou specifické pro hierarchické shlukování, kapitola popisuje jeden způsob, jak zjistit počet shluků ještě před spuštěním metody k-means. Závěr kapitoly se věnuje omezením metody k-means a aspektům, na které je třeba myslet při jejím použití.

Exercise 1: Základy k-means clusteringu Exercise 2: K-means clustering: první cvičení Exercise 3: Rychlost k-means shlukování Exercise 4: Kolik shluků?Exercise 5: Metoda lokte na zřetelných shlucích Exercise 6: Metoda lokte na rovnoměrně rozložených datech Exercise 7: Omezení k-means clusteringu Exercise 8: Vliv seeds na výsledné shluky Exercise 9: Rovnoměrné vzory shlukování Exercise 10: FIFA 18: obránci znovu

Teď, když ovládáš dvě z nejpopulárnějších technik shlukování, je čas uplatnit tyto znalosti na reálných problémech. Kapitola nejprve rozebere, jak najít dominantní barvy v obrázku, a pak se přesune k problému ze úvodu kurzu – shlukování zpravodajských článků. Na závěr se podíváme na shlukování s více proměnnými, které ztěžuje přehlednou vizualizaci všech dat.

Exercise 1: Dominantní barvy v obrázcích Exercise 2: Extrakce hodnot RGB z obrázku Exercise 3: Kolik dominantních barev?Exercise 4: Zobrazení dominantních barev Exercise 5: Shlukování dokumentů Exercise 6: TF-IDF filmových zápletek Exercise 7: Nejdůležitější termíny ve shlucích filmů Exercise 8: Shlukování s více proměnnými Exercise 9: Shlukování s mnoha příznaky Exercise 10: Základní kontrola clusterů Exercise 11: FIFA 18: co dělá hráče kompletním?Exercise 12: Na shledanou!