Демонстрация алгоритма спектральной сокластеризации¶
Этот пример демонстрирует как генерировать датасет и бикластеризацию используя алгоритм спектральной сокластеризации.
Датасет сгенерирован используя метод make_biclusters, который
создает матрицу маленьких значений и имплементирует бинарную кластеризацию с большим значением.
Затем строки и столбцы переставлены местами и передаются алгоритму спектральной сокластеризации.
Переупорядочивание переставленной матрицы сделано так чтобы бинарные кластеры были смежными, и показывает насколько точно алгоритм находит бинарные кластера.
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_biclusters
from sklearn.cluster import SpectralCoclustering
from sklearn.metrics import consensus_score
data, rows, columns = make_biclusters(
shape=(300, 300), n_clusters=5, noise=5,
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 = SpectralCoclustering(n_clusters=5, random_state=0)
model.fit(data)
score = consensus_score(model.biclusters_,
(rows[:, row_idx], columns[:, col_idx]))
print("Консенсусная (согласованная) оценка: {:.3f}".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, чтобы показать бикластеры")
plt.show()
