Clustering

Quelles sont les classes ?

Quand on veux répondre à cette question, on fait du clustering. Dans un problème de clustering, on veux déterminer les classes pour catégoriser les données.

Préparation des données

Normalisation

Transforme les données sur une même échelle avec en valeur minimum 0 et en valeur maximal 1

from sklearn.preprocessing import MinMaxScaler

data_scaled = MinMaxScaller().fit_transform(dt)

Réduction de dimensions

Réduire le nombre de features en faisant des features qui regroupent des autres features

Exemples :

• PCA
• t-SNE
• Sammon mapping
• Isomap
• Locally linear embedding

Ce code permet de réduire le nombre de colonne à 2 (d1 et d2)

from sklearn.manifold import TSNE

X_emb = TSNE(n_components=2).fit_transform(X)
X_emb = pd.DataFrame(X_emb, columns=['d1', 'd2'], index=X.index)
X_emb

Algorithmes

K-Means

Paramètres :

• K : Nombre de clusters

from sklearn.cluster import KMeans

kmeans = KMeans(
  n_clusters=2,
  random_state=42,
  init='k-means++',
  n_init=10
).fit(array)

DBSCAN

Paramètres :

• eps : rayon de la zone
• min_sample : nombre de points minimum pour définir un cluster
• metric : métrique pour les distances
  • ‘euclidean’ par défaut
  • Autres :
    • ‘haversine’

from sklearn.cluster import DBSCAN

clusering = DBSCAN(
  eps=3,
  min_samples=2
).fit(array)

Gaussian mixture

from sklearn.mixture import GaussianMixture

OPTICS

• max_eps : rayon de la zone
• min_sample : nombre de points minimum pour définir un cluster
• metric : métrique pour les distances
  • ‘minkowski’ par défaut
  • Autres :
    • ‘cityblock’, ‘cosine’, ‘euclidean’, ‘l1’, ‘l2’, ‘manhattan’

from sklearn.cluster import OPTICS

Étapes

Pour chaque lignes, la classe attribué : clustering.labels_
(DBSCAN attribue -1 pour les outsiders)