Aula5 parte2

2. Aprendizagem de máquina¶

Objetivos¶

• Apresentar e praticar conceitos de aprendizado não supervisionado
• Compreender o conceito de cluster
• Apresentar os algoritimos KMeans, DBScan e GaussianMixture

E se os dados não forem volumétricos ou globulares? o K-Means consegue clusterizar?¶

Aplicando GMM e DBSCAN¶

• Gaussian Mixture Models é uma abordagem probabilística para o agrupamento, que tenta modelar cada cluster como uma distribuição gaussiana (normal).

• DBSCAN (Density-Based Spatial Clustering of Applications with Noise) é um algoritmo de clustering baseado na densidade dos pontos. Ele é capaz de identificar clusters de formas arbitrárias e tratar pontos ruidosos (outliers) de maneira eficiente.

  • O DBSCAN possui dois principais parâmetros:

    • eps: A distância máxima entre dois pontos para que sejam considerados vizinhos.
    • min_samples: O número mínimo de pontos vizinhos para que um ponto seja considerado parte de um cluster.

In [1]:

#Importe das libs
import pandas as pd

from sklearn.cluster import KMeans, DBSCAN
from sklearn.mixture import GaussianMixture

import matplotlib.pyplot as plt

#Importe das libs import pandas as pd from sklearn.cluster import KMeans, DBSCAN from sklearn.mixture import GaussianMixture import matplotlib.pyplot as plt

Carregando os dados¶

In [2]:

url_db = 'https://raw.githubusercontent.com/reisanar/datasets/master/moons.csv'
moons = pd.read_csv(url_db)

url_db = 'https://raw.githubusercontent.com/reisanar/datasets/master/moons.csv' moons = pd.read_csv(url_db)

In [3]:

moons.head()

moons.head()

Out[3]:

	X	Y
0	-0.415208	1.035735
1	0.058781	0.304334
2	1.109379	-0.509738
3	1.540948	-0.427550
4	0.929095	-0.532388

In [4]:

plt.scatter(x=moons['X'], y=moons['Y'])

plt.scatter(x=moons['X'], y=moons['Y'])

Out[4]:

<matplotlib.collections.PathCollection at 0x16a43b1c0>

Criação de modelos de Agrupamento¶

In [5]:

# Modelos de agrupamento

random_state = 42

#k-means
km = KMeans(n_clusters=4, random_state=random_state) # k=4
#Gaussian Mixture
gm = GaussianMixture(n_components=4, random_state=random_state) #k=4
#DBScan
db = DBSCAN(eps=0.4)

# Modelos de agrupamento random_state = 42 #k-means km = KMeans(n_clusters=4, random_state=random_state) # k=4 #Gaussian Mixture gm = GaussianMixture(n_components=4, random_state=random_state) #k=4 #DBScan db = DBSCAN(eps=0.4)

In [6]:

#aplica o algoritimo e armazena o cluster de cada dado

km_c = km.fit_predict(moons)
gm_c = gm.fit_predict(moons)
db_c = db.fit_predict(moons)

#aplica o algoritimo e armazena o cluster de cada dado km_c = km.fit_predict(moons) gm_c = gm.fit_predict(moons) db_c = db.fit_predict(moons)

In [7]:

fig = plt.figure(figsize = (12,8), dpi=80)
plt.subplot(2,2,1)
plt.scatter(x=moons['X'],y=moons['Y'])
plt.title('Original')
plt.subplot(2,2,2)
plt.scatter(x=moons['X'],y=moons['Y'], c=km_c)
plt.title('KMeans')
plt.subplot(2,2,3)
plt.scatter(x=moons['X'],y=moons['Y'], c=gm_c)
plt.title('GaussianMixture')
plt.subplot(2,2,4)
plt.scatter(x=moons['X'],y=moons['Y'], c=db_c)
plt.title('DBScan')

fig = plt.figure(figsize = (12,8), dpi=80) plt.subplot(2,2,1) plt.scatter(x=moons['X'],y=moons['Y']) plt.title('Original') plt.subplot(2,2,2) plt.scatter(x=moons['X'],y=moons['Y'], c=km_c) plt.title('KMeans') plt.subplot(2,2,3) plt.scatter(x=moons['X'],y=moons['Y'], c=gm_c) plt.title('GaussianMixture') plt.subplot(2,2,4) plt.scatter(x=moons['X'],y=moons['Y'], c=db_c) plt.title('DBScan')

Out[7]:

Text(0.5, 1.0, 'DBScan')

In [ ]:

In [ ]:

In [ ]: