sklearn.cluster.Birch¶

class sklearn.cluster.Birch(*, threshold=0.5, branching_factor=50, n_clusters=3, compute_labels=True, copy=True)

[源码]

实现Birch聚类算法

它是一种内存高效的在线学习算法，可以替代MiniBatchKMeans。它构造了一个树形数据结构，并从叶子中读取聚类质心。这些可以是最终的聚类质心，也可以作为另一种聚类算法的输入，比如聚类。

在用户指南中阅读更多内容。

New in version 0.16.

参数	说明
threshold	float, default=0.5 通过合并新样本和最近的子簇获得的子簇的半径应该小于阈值。否则，将启动一个新的子聚类。将此值设置为非常低将促进拆分，反之亦然。
branching_factor	int, default=50 每个节点中CF子聚类的最大数目。如果一个新的样本进入，使得子簇的数目超过分支因子，那么该节点被分成两个节点，每个子簇都重新分布。删除该节点的父聚类，并将两个新的子聚类添加为两个拆分节点的父级。
n_clusters	int, instance of sklearn.cluster model, default=3 最后的聚类步骤之后的簇数，该步骤将叶子中的子簇作为新的样本处理。 - `None`:不执行最后的聚类步骤，子聚类按原样返回。 - `sklearn.cluster`估计器：如果提供了一个模型，则该模型将子聚类作为新样本处理进行拟合，并将初始数据映射到最近的子聚类的标签上。 - `int`:模型拟合为`AgglomerativeClustering`，`n_clusters`设置为整数。
compute_labels	compute_labels 是否为每一次拟合计算标签
copy	bool, default=True 是否复制给定数据。如果设置为False，则将覆盖初始数据。

属性	说明
root_	_CFNode CF树的根
dummy_leaf_	_CFNode 启动指向所有叶子的指针
subcluster_centers_	ndarray 所有子簇的质心直接从叶子中读取
subcluster_labels_	ndarray 在全局聚类后，分配给子簇的标签。
labels_	ndarray of shape (n_samples,) 分配给输入数据的标签数组。如果使用partial_fit而不是fit，则将它们分配给最后一批数据。

另见：

MiniBatchKMeans

替代实现，使用小型批处理对中心的位置进行增量更新。

注

树形数据结构由节点组成，每个节点由多个子簇组成。节点中的最大子簇数由分支因子决定。每个子簇保持一个线性和、平方和和以及该子簇中的样本数。此外，如果子簇不是叶节点的成员，则每个子簇也可以有一个节点作为其子节点。

对于进入根的新点，它与最接近根的子簇合并，并更新线性和、平方和和以及该子簇的样本数。这是递归完成的，直到叶节点的属性被更新。

参考

Tian Zhang, Raghu Ramakrishnan, Maron Livny BIRCH: An efficient data clustering method for large databases.https://www.cs.sfu.ca/CourseCentral/459/han/papers/zhang96.pdf

Roberto Perdisci JBirch - Java implementation of BIRCH clustering algorithmhttps://code.google.com/archive/p/jbirch

示例

>>> from sklearn.cluster import Birch
>>> X = [[0, 1], [0.3, 1], [-0.3, 1], [0, -1], [0.3, -1], [-0.3, -1]]
>>> brc = Birch(n_clusters=None)
>>> brc.fit(X)
Birch(n_clusters=None)
>>> brc.predict(X)
array([0, 0, 0, 1, 1, 1])

方法

方法	说明
`fit`(self, X[, y])	为输入数据构建一个CF树。
`fit_predict`(self, X[, y])	在X上执行聚类并返回聚类标签
`fit_transform`(self, X[, y])	拟合数据，然后转换它。
`get_params`(self[, deep])	获取此估计器的参数
`partial_fit`(self[, X, y])	在线学习
`predict`(self, X)	利用子簇的质心预测数据。
`set_params`(self, **params)	设置此估计器的参数
`transform`(self, X)	将X变换为子簇质心维数

__init__(self, *, threshold=0.5, branching_factor=50, n_clusters=3, compute_labels=True, copy=True)

[源码]

初始化self。请参阅help(type(self))以获得准确的说明。

fit(self, X, y=None)

[源码]

为输入数据构建一个CF树。

参数	说明
X	{array-like, sparse matrix} of shape (n_samples, n_features) 输入数据
y	Ignored 未使用，在此按约定呈现为API一致性。

返回值	说明
self	object 已拟合的估计器

fit_predict(self, X, y=None)

[源码]

在X上执行聚类并返回聚类标签

参数	说明
X	array-like, shape (n_samples, n_features) or (n_samples, n_samples) 输入数据
y	Ignored 未使用，在此按约定呈现为API一致性。

返回值	说明
labels	ndarray, shape (n_samples,) 聚类标签

fit_transform(self, X, y=None, **fit_params)

[源码]

拟合数据，然后转换它。

参数	说明
X	{array-like, sparse matrix, dataframe} of shape (n_samples, n_features)
y	ndarray of shape (n_samples,), default=None 目标值

返回值	说明
**fit_params	dict 转换后的数组

get_params(self, deep=True)

[源码]

获取此估计器的参数

参数	说明
deep	bool, default=True 如果为True，则将返回此估计器的参数和所包含的作为估计量的子对象。

返回值	说明
params	mapping of string to any 映射到其值的参数名称

partial_fit(self, X=None, y=None)

[源码]

在线学习。防止CFTree从头开始重建

参数	说明
X	{array-like, sparse matrix} of shape (n_samples, n_features) 输入数据。如果没有提供X，则只执行全局聚类步骤。
y	Ignored 未使用，在此按约定呈现为API一致性。

返回值	说明
self	object 已拟合的估计器

predict(self, X)

[源码]

利用子簇的 centroids_ 预测数据。

避免计算X的行范数。

参数	说明
X	{array-like, sparse matrix} of shape (n_samples, n_features) 输入数据。

返回值	说明
labels	ndarray of shape(n_samples,) 标签的数据

set_params(self, **params)

[源码]

设置此估计器的参数

该方法适用于简单估计器以及嵌套对象(例如pipelines)。后者具有表单的 <component>__<parameter>参数，这样就可以更新嵌套对象的每个组件。

表格	说明
**params	dict 估计器参数

返回值	说明
self	object 估计器实例

transform(self, X)

[源码]

将X转换为子簇质心维数。

每个维度表示从样本点到每个簇质心的距离。

参数	说明
X	{array-like, sparse matrix} of shape (n_samples, n_features) 输入数据。

返回值	说明
X_trans	{array-like, sparse matrix} of shape (n_samples, n_clusters) 已转换的数据

sklearn.cluster.Birch使用示例¶

BIRCH和MiniBatchKMeans的比较 ¶

toy数据集上不同聚类算法的比较 ¶