kmodes 0.12.2

描述

k-modes 和 k-prototypes 聚类算法的 Python 实现。很多繁重的工作都依赖于 numpy。

k-modes 用于聚类分类变量。它根据数据点之间匹配类别的数量定义集群。（这与更知名的 k-means 算法形成对比，后者基于欧几里德距离对数值数据进行聚类。）k-prototypes 算法结合了 k-modes 和 k-means，能够对混合的数值/分类数据进行聚类。

实现的有：

• k-modes [HUANG97] [HUANG98]

• 基于密度初始化的 k 模式[CAO09]

• k-原型[HUANG97]

代码仿照中的聚类算法scikit-learn 并具有相同的熟悉界面。

我希望有更多的人参与其中，并就我的实施向我提供反馈。如果您在运行或安装 kmode 时遇到任何问题， 请提交错误报告。

享受！

安装

kmodes可以使用pip安装：

pip install kmodes

要升级到最新版本（推荐），请像这样运行它：

pip install --upgrade kmodes

kmodes也可以通过conda-forge 频道的conda方便地安装：

conda install -c conda-forge kmodes

或者，您可以从源代码构建最新的开发版本：

git clone https://github.com/nicodv/kmodes.git
cd kmodes
python setup.py install

用法

import numpy as np
from kmodes.kmodes import KModes

# random categorical data
data = np.random.choice(20, (100, 10))

km = KModes(n_clusters=4, init='Huang', n_init=5, verbose=1)

clusters = km.fit_predict(data)

# Print the cluster centroids
print(km.cluster_centroids_)

示例目录展示了 k-modes ('soybean.py') 和 k-prototypes ('stocks.py') 的简单用例。

并行执行

k-modes 和 k-prototypes 实现都通过joblib 库提供对多处理的支持 ，类似于 scikit-learn 的 k-means 实现，使用 n_jobs参数。设置比系统上可用的处理器内核更多的作业通常没有意义。

这可能会加速任何一次以上初始化尝试 n_init > 1的执行，这可能有助于减少更大问题的执行时间。请注意，多处理是否真的有帮助取决于您的问题，因此请务必先尝试一下。您可以查看一些基准的示例。

常问问题

问：使用 kprototypes 算法时，我看到诸如“TypeError: '<' not supported between 'str' and 'float'”之类的错误。

答：您的一个或多个数字特征列中包含字符串值。确保所有列都具有一致的数据类型。

问：k-protypes 如何知道我的哪些特征是数字的，哪些是分类的？

答：您使用参数告诉它哪些列索引是分类的categorical。所有其他都假定为数字。例如，clusters = KPrototypes().fit_predict(X, categorical=[1, 2])

问：我收到以下错误，是什么原因？“ModuleNotFoundError：没有名为‘kmodes.kmodes’的模块；'kmodes' 不是一个包”。

答：确保您的工作文件不是名为“kmodes.py”，因为它可能会否决kmodes软件包。

问：我收到以下错误：“ValueError：聚类算法无法初始化。考虑手动分配初始集群。”

答：这是一个功能，而不是错误。kmodes告诉您它无法理解您提供的数据。至少，不是使用您设置算法的参数。数据科学家需要找出原因。一些可能的解决方案的提示：

• 使用较少的集群运行，因为数据可能不支持大量集群

• 探索和可视化您的数据，检查奇怪的分布、异常值等。

• 清理和规范化数据

• 增加行列比例

问：我收到以下错误：“ValueError: Input contains NaN, infinity, or a value too large for dtype('float64').”

A：在 scikit-learn 之后，k-modes 算法不接受矩阵np.NaN 中的值X。建议用户以对手头的问题有意义的方式填写缺失的数据。

问：希望您的图书馆如何被引用？

答：沿着这些思路做一些事情会很好：

@Misc{devos2015,
  author = {Nelis J. de Vos},
  title = {kmodes categorical clustering library},
  howpublished = {\url{https://github.com/nicodv/kmodes}},
  year = {2015--2021}
}

参考