人工智能 kmeans和som的简单比较——线性可分的数据还可以,但都不擅长处理圆分割数据,因为用的欧几里得距离?
聚类分析是一种常用的分析方法,其中最为常用的 KMeans。最近也看到一个 KMeans 的改进方法,是加入 som 竞争神经网络进行训练。
竞争神经网络是一个仿照人脑神经元的启发而发明的,在这个神经网络中,神经元竞争被激活的机会。当接受到刺激的时候,神经网络中的一部分神经元会兴奋,而其他的则不会。此类神经元会对某类特征特别敏感。 整个神经元中,不同的神经元对不同的特征敏感。兴奋的神经元会对周围的神经元起抑制作用。
此次比较使用了三组数据,分别是经典的 iris 数据集,和随机生成的两个圆。iris 数据集可以近似看做线性可分,两个圆的就是线性不可分的情况。
1
|
from sklearn.datasets import load_iris
|
![image](https://user-images.githubusercontent.com/10239202/33238090-86f2bfe0-d2c0-11e7-86de-200ede82fe4b.png)
f1 得分为 0.89
1
|
def som(k,x,y,data):
|
![image](https://user-images.githubusercontent.com/10239202/33238109-f10ede68-d2c0-11e7-99c3-3ea4f6384d5d.png)
f1 得分为 0.95
可以看出 som 这种方法可以获得比 kmeans 稍好的结果。
下面看看线性不可分的情况,使用 sklearn 里面的 make_circle 来生成数据
1
|
from sklearn.datasets import make_circles
|
![image](https://user-images.githubusercontent.com/10239202/33238133-89438dd2-d2c1-11e7-8620-9e0a94e4e347.png)
下面分别是 kmeans 和 som 的结果:
![image](https://user-images.githubusercontent.com/10239202/33238136-ab82db46-d2c1-11e7-9175-22f987259a82.png)
![image](https://user-images.githubusercontent.com/10239202/33238141-b090019a-d2c1-11e7-8d18-004ba6e1feb7.png)
可以看出两个聚类器都不能识别这类情况,所以我感觉 som 只能对线性可分的情况进行处理,而且总体上和 kmeans 差不多,也没有特别不一样。
在处理线性不可分的这个情况,又试了一下 DBSCAN 和 KernelPCA。
DBSCAN 是一种基于密度的聚类方法,可以发现一些不规则的簇。但是它使用的范围其实很有限,如果分类的点的密度不均衡,则会出现问题,另外对于 较高维度的数据,同样不是很适合。
PCA 主成分分析是进行降维的,而 KPCA 则恰恰相反,通过核函数,进行升维,将原来线性不可分的问题转换为线性可分的。
1
|
from sklearn.cluster import DBSCAN
|
![image](https://user-images.githubusercontent.com/10239202/33238184-d8c76990-d2c2-11e7-9e0a-831717ed483e.png)
DBSCAN 比较麻烦,需要设置合适的参数才能发现正确的类
1
|
from sklearn.decomposition import KernelPCA
|
这里利用了 KPCA 进行升维然后使用 KMeans 进行聚类,效果拔群
![image](https://user-images.githubusercontent.com/10239202/33238189-0cebfe84-d2c3-11e7-900d-8793513586a9.png)
做了一段时间的聚类分析,主要用的参数是凝聚度,离散度和轮廓系数,但是这里有一个要注意的地方,其实很多这些指标都是基于簇是类圆形的, 对于像上面的那种线性不可分的情况其实不太适用。
总的来说,其实对于高维数据的聚类其实是相当的麻烦的,特别是做无监督的聚类,其评价方法不是很有效。