Демонстрация алгоритма спектральной бикластеризации¶
Этот пример демонстрирует как генерировать набор данных шахматной доски и бикластер с испольвазонием алгоритма спектральной бикластеризации.
Датасет сгенерирован используя метод make_checkerboard
, затем перемешивается и передаются алгоритму спектральной бикластеризации. Строки и столбцы пермешанной матрицы переупорядочиваются и показывают результат работы алгоритма бинарной кластеризации.
Внешний произведение векторов меток строк и столбцов показывают представленние структуру шахматной доски.
In [1]:
%matplotlib inline
In [2]:
print(__doc__)
# Author: Kemal Eren <[email protected]>
# License: BSD 3 clause
import numpy as np
from matplotlib import pyplot as plt
from sklearn.datasets import make_checkerboard
from sklearn.cluster import SpectralBiclustering
from sklearn.metrics import consensus_score
n_clusters = (4, 3)
data, rows, columns = make_checkerboard(
shape=(300, 300), n_clusters=n_clusters, noise=10,
shuffle=False, random_state=0)
plt.matshow(data, cmap=plt.cm.Blues)
plt.title("Оригинальный датасет")
# shuffle clusters
rng = np.random.RandomState(0)
row_idx = rng.permutation(data.shape[0])
col_idx = rng.permutation(data.shape[1])
data = data[row_idx][:, col_idx]
plt.matshow(data, cmap=plt.cm.Blues)
plt.title("Перемешанный датасет")
model = SpectralBiclustering(n_clusters=n_clusters, method='log',
random_state=0)
model.fit(data)
score = consensus_score(model.biclusters_,
(rows[:, row_idx], columns[:, col_idx]))
print("Согласованная оценка: {:.1f}".format(score))
fit_data = data[np.argsort(model.row_labels_)]
fit_data = fit_data[:, np.argsort(model.column_labels_)]
plt.matshow(fit_data, cmap=plt.cm.Blues)
plt.title("После бикластеризации; переставлен и показывает бикластеры")
plt.matshow(np.outer(np.sort(model.row_labels_) + 1,
np.sort(model.column_labels_) + 1),
cmap=plt.cm.Blues)
plt.title("Структура шахматной доски переупрядочных данных")
plt.show()