web-dev-qa-db-ja.com

sklearnライブラリのk-meansクラスタリングでシルエットスコアを使用するにはどうすればよいですか？

スクリプトでシルエットスコアを使用して、sklearnからk-meansクラスタリングのクラスター数を自動的に計算したいと思います。

import numpy as np
import pandas as pd
import csv
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

filename = "CSV_BIG.csv"

# Read the CSV file with the Pandas lib.
path_dir = ".\\"
dataframe = pd.read_csv(path_dir + filename, encoding = "utf-8", sep = ';' ) # "ISO-8859-1")
df = dataframe.copy(deep=True)

#Use silhouette score
range_n_clusters = list (range(2,10))
print ("Number of clusters from 2 to 9: \n", range_n_clusters)

for n_clusters in range_n_clusters:
    clusterer = KMeans (n_clusters=n_clusters).fit(?)
    preds = clusterer.predict(?)
    centers = clusterer.cluster_centers_

    score = silhouette_score (?, preds, metric='euclidean')
    print ("For n_clusters = {}, silhouette score is {})".format(n_clusters, score)

誰かが疑問符で私を助けることができますか？疑問符の代わりに何を置くべきかわかりません。例からコードを取得しました。コメントされた部分は以前のバージョンで、固定数のクラスターを4に設定してk-meansクラスタリングを行います。この方法のコードは正しいですが、プロジェクトではクラスターの数を自動的に選択する必要があります。

python-2.7machine-learningscikit-learnk-meanssilhouette
7
Jessica Martini

私はあなたが最適なノーを得るためにシルエットスコアに行くと仮定しています。クラスターの。

最初にKMeansの個別のオブジェクトを宣言してから、それをfit_predictデータに対して機能しますdfこのように

for n_clusters in range_n_clusters:
    clusterer = KMeans (n_clusters=n_clusters)
    preds = clusterer.fit_predict(df)
    centers = clusterer.cluster_centers_

    score = silhouette_score (df, preds, metric='euclidean')
    print ("For n_clusters = {}, silhouette score is {})".format(n_clusters, score)

より明確にするために この公式の例 を参照してください。

12
Mohammed Kashif