Klastr Two-Step

Rozšiřitelný Twi-Step je založen na známém dvoukrokovém klastrovém algoritmu, ale rozšiřuje jak jeho funkčnost, tak výkon v několika směrech.

Za prvé, může efektivně pracovat s velkými a distribuovanými daty, které poskytuje Spark, který poskytuje mapu-Redukovat výpočetní paradigma.

Za druhé, algoritmus poskytuje mechanizmus pro výběr nejrelevantnější funkce pro klastrování daných dat, stejně jako zjištění vzácných odlehlých bodů. Kromě toho nabízí vylepšený soubor vyhodnocení a diagnostických funkcí pro umožnění přehledu.

Dvoukrokový klastrový algoritmus nejprve provede krok před klastrováním tím, že skenuje celou datovou sadu a ukládá husté oblasti datových případů z hlediska souhrnných statistik nazývaných klastrové funkce. Funkce klastru jsou uloženy v paměti v datové struktuře s názvem CF-tree. Nakonec se na klastr se sadou funkcí klastru použije aglomertivní hierarchický klastrový algoritmus.

Příklad kódu produktu Python :

from spss.ml.clustering.twostep import TwoStep

cluster = TwoStep(). \
    setInputFieldList(["region", "happy", "age"]). \
    setDistMeasure("LOGLIKELIHOOD"). \
    setFeatureImportanceMethod("CRITERION"). \
    setAutoClustering(True)

clusterModel = cluster.fit(data)
predictions = clusterModel.transform(data)
predictions.show()

Vyhodnocení modelu klastru

Cílem vyhodnocení modelu klastru (CME) je interpretovat modely klastrů a získávat užitečné poznatky založené na různých hodnotících opatřeních.

Je to analýza po modelování, která je generická a nezávislá na jakýchkoli typech modelů klastrů.

Příklad kódu produktu Python :

from spss.ml.clustering.twostep import TwoStep

cluster = TwoStep(). \
    setInputFieldList(["region", "happy", "age"]). \
    setDistMeasure("LOGLIKELIHOOD"). \
    setFeatureImportanceMethod("CRITERION"). \
    setAutoClustering(True)

clusterModel = cluster.fit(data)
predictions = clusterModel.transform(data)
predictions.show()

Nadřízené téma: Algoritmy prediktivních analýz produktuSPSS