MeanShift#

class sklearn.cluster.MeanShift(*, bandwidth=None, seeds=None, bin_seeding=False, min_bin_freq=1, cluster_all=True, n_jobs=None, max_iter=300)[source]#

Mean Shift Clustering mit einem flachen Kernel.

Mean-Shift-Clustering zielt darauf ab, „Blobs“ in einer glatten Dichte von Stichproben zu entdecken. Es ist ein zentroidbasierter Algorithmus, der Kandidaten für Zentroiden aktualisiert, indem er den Mittelwert der Punkte innerhalb eines bestimmten Bereichs ermittelt. Diese Kandidaten werden dann in einer Nachbearbeitungsphase gefiltert, um nahegelegene Duplikate zu eliminieren und die endgültige Menge von Zentroiden zu bilden.

Die Initialisierung (Seeding) erfolgt durch eine Binning-Technik zur Skalierbarkeit.

Ein Beispiel für die Verwendung von MeanShift-Clustering finden Sie unter: Eine Demo des Mean-Shift-Clustering-Algorithmus.

Lesen Sie mehr im Benutzerhandbuch.

Parameter:

bandwidthfloat, default=None

Bandbreite, die im flachen Kernel verwendet wird.

Wenn nicht angegeben, wird die Bandbreite mithilfe von sklearn.cluster.estimate_bandwidth geschätzt. Hinweise zur Skalierbarkeit finden Sie in der Dokumentation dieser Funktion (siehe auch die Hinweise unten).

seedsarray-like von Form (n_samples, n_features), default=None

Seeds zur Initialisierung der Kernel. Wenn nicht gesetzt, werden die Seeds durch clustering.get_bin_seeds mit der Bandbreite als Rastergröße und Standardwerten für andere Parameter berechnet.

bin_seedingbool, default=False

Wenn wahr, sind die anfänglichen Kernelpositionen nicht die Positionen aller Punkte, sondern die Position der diskretisierten Version von Punkten, wobei Punkte in ein Raster eingeteilt werden, dessen Grobheit der Bandbreite entspricht. Das Setzen dieser Option auf True beschleunigt den Algorithmus, da weniger Seeds initialisiert werden. Der Standardwert ist False. Wird ignoriert, wenn das Argument seeds nicht None ist.

min_bin_freqint, default=1

Zur Beschleunigung des Algorithmus werden nur die Bins mit mindestens min_bin_freq Punkten als Seeds akzeptiert.

cluster_allbool, default=True

Wenn wahr, werden alle Punkte geclustert, auch die Waisen, die nicht innerhalb eines Kernels liegen. Waisen werden dem nächstgelegenen Kernel zugeordnet. Wenn falsch, erhalten Waisen die Cluster-Beschriftung -1.

n_jobsint, default=None

Die Anzahl der Jobs, die für die Berechnung verwendet werden. Die folgenden Aufgaben profitieren von der Parallelisierung

Die Suche nach den nächsten Nachbarn für die Bandbreitenschätzung und die Labelzuweisung. Details finden Sie in der Docstring-Beschreibung der Klasse NearestNeighbors.
Hill-Climbing-Optimierung für alle Seeds.

Siehe Glossar für weitere Details.

None bedeutet 1, außer in einem joblib.parallel_backend Kontext. -1 bedeutet die Verwendung aller Prozessoren. Siehe Glossar für weitere Details.

max_iterint, Standard=300

Maximale Anzahl von Iterationen pro Seedpunkt, bevor die Clustering-Operation (für diesen Seedpunkt) beendet wird, wenn noch keine Konvergenz erreicht wurde.

Hinzugefügt in Version 0.22.

Attribute:

cluster_centers_ndarray von Form (n_clusters, n_features): Koordinaten der Clusterzentren.
labels_ndarray der Form (n_samples,): Beschriftungen jedes Punkts.
n_iter_int: Maximale Anzahl von Iterationen, die auf jedem Seed durchgeführt werden.

Hinzugefügt in Version 0.22.
n_features_in_int: Anzahl der während des fits gesehenen Merkmale.

Hinzugefügt in Version 0.24.
feature_names_in_ndarray mit Form (n_features_in_,): Namen der während fit gesehenen Merkmale. Nur definiert, wenn X Merkmalnamen hat, die alle Zeichenketten sind.

Hinzugefügt in Version 1.0.

Siehe auch

KMeans: K-Means-Clustering.

Anmerkungen

Skalierbarkeit

Da diese Implementierung einen flachen Kernel und einen Ball Tree zur Suche nach Mitgliedern jedes Kernels verwendet, tendiert die Komplexität in niedrigeren Dimensionen gegen O(T*n*log(n)), wobei n die Anzahl der Stichproben und T die Anzahl der Punkte ist. In höheren Dimensionen tendiert die Komplexität gegen O(T*n^2).

Die Skalierbarkeit kann durch die Verwendung von weniger Seeds verbessert werden, z. B. durch einen höheren Wert für min_bin_freq in der Funktion get_bin_seeds.

Beachten Sie, dass die Funktion estimate_bandwidth wesentlich weniger skalierbar ist als der Mean-Shift-Algorithmus und zum Flaschenhals wird, wenn sie verwendet wird.

Referenzen

Dorin Comaniciu und Peter Meer, „Mean Shift: A robust approach toward feature space analysis“. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002. S. 603-619.

Beispiele

>>> from sklearn.cluster import MeanShift
>>> import numpy as np
>>> X = np.array([[1, 1], [2, 1], [1, 0],
...               [4, 7], [3, 5], [3, 6]])
>>> clustering = MeanShift(bandwidth=2).fit(X)
>>> clustering.labels_
array([1, 1, 1, 0, 0, 0])
>>> clustering.predict([[0, 0], [5, 5]])
array([1, 0])
>>> clustering
MeanShift(bandwidth=2)

Für einen Vergleich von Mean-Shift-Clustering mit anderen Clustering-Algorithmen siehe Vergleich verschiedener Clustering-Algorithmen auf Beispiel-Datensätzen

fit(X, y=None)[source]#

Führt die Clusterbildung durch.

Parameter:

Xarray-like der Form (n_samples, n_features): Zu clusternde Stichproben.
yIgnoriert: Wird nicht verwendet, ist aber aus Gründen der API-Konsistenz per Konvention vorhanden.

Gibt zurück:

selfobject: Angepasste Instanz.

fit_predict(X, y=None, **kwargs)[source]#

Führt Clustering auf X durch und gibt Cluster-Labels zurück.

Parameter:

Xarray-like der Form (n_samples, n_features): Eingabedaten.
yIgnoriert: Wird nicht verwendet, ist aber aus Gründen der API-Konsistenz per Konvention vorhanden.
**kwargsdict: Argumente, die an fit übergeben werden sollen.

Hinzugefügt in Version 1.4.

Gibt zurück:

labelsndarray der Form (n_samples,), dtype=np.int64: Clusterbeschriftungen.

get_metadata_routing()[source]#

Holt das Metadaten-Routing dieses Objekts.

Bitte prüfen Sie im Benutzerhandbuch, wie der Routing-Mechanismus funktioniert.

Gibt zurück:

routingMetadataRequest: Ein MetadataRequest, der Routing-Informationen kapselt.

get_params(deep=True)[source]#

Holt Parameter für diesen Schätzer.

Parameter:

deepbool, default=True: Wenn True, werden die Parameter für diesen Schätzer und die enthaltenen Unterobjekte, die Schätzer sind, zurückgegeben.

Gibt zurück:

paramsdict: Parameternamen, zugeordnet ihren Werten.

predict(X)[source]#

Sagt den nächstgelegenen Cluster voraus, zu dem jede Stichprobe in X gehört.

Parameter:

Xarray-like der Form (n_samples, n_features): Neue Daten zur Vorhersage.

Gibt zurück:

labelsndarray der Form (n_samples,): Index des Clusters, zu dem jede Stichprobe gehört.

set_params(**params)[source]#

Setzt die Parameter dieses Schätzers.

Die Methode funktioniert sowohl bei einfachen Schätzern als auch bei verschachtelten Objekten (wie Pipeline). Letztere haben Parameter der Form <component>__<parameter>, so dass es möglich ist, jede Komponente eines verschachtelten Objekts zu aktualisieren.

Parameter: