Fundamentos de clustering
¿Qué es el clustering en machine learning?
Tu primer clustering con scikit-learn
¿Cuándo usar clustering?
¿Cómo evaluar modelos de clustering?
K-means
¿Qué es el algoritmo de K-means y cómo funciona?
¿Cuándo usar K-means?
Implementando K-means
Encontrando K
Evaluando resultados de K-means
Hierarchical clustering
¿Qué es hierarchical clustering y cómo funciona?
¿Cuándo usar hierarchical clustering?
Implementando hierarchical clustering
Evaluando resultados de hierarchical clustering
DBSCAN
¿Qué es DBSCAN y cómo funciona?
¿Cuándo usar DBSCAN?
Implementando DBSCAN
Encontrar híper-parámetros
Evaluando resultados de DBSCAN
Proyecto: resolviendo un problema con clustering
Preparar datos para clusterizar
Aplicando PCA para clustering
Resolviendo con K-means
Resolviendo con hierarchical clustering
Resolviendo con DBSCAN
Resolviendo con DBSCAN (sin PCA)
Evaluación resultados de distintos modelos de clustering
Conclusiones
Proyecto final y cierre
Comparte tu proyecto de segmentación con clustering y certifícate
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Aportes 5
Preguntas 3
El meme que está en la página del playground me representa.
He estado viendo PCA en Curso de Álgebra Lineal Aplicada para Machine Learning,
Curso de Matemáticas para Data Science: Estadística Descriptiva,
Curso Profesional de Machine Learning con Scikit-Learn, y siempre me pasa lo mismo 😅.
Dándole un poco mas de contexto a la imagen:
…
cum_var = np.cumsum(np.round(var, decimals=4)*100)
components = list(range(0,9))
plt.figure(figsize=(5,5))
for s,d in zip(components,cum_var):
plt.annotate(np.round(d,decimals=2), xy=(s,d-2.5))
plt.plot(components,cum_var, 'r-x')
plt.title("PCA Decomposition")
plt.xlabel('PCA components')
plt.ylabel('% Variance')
Si desea obtener la cantidad de componentes necesarias para una determinada varianza usé el siguiente código:
pcs_needed = np.where(np.cumsum(pca.explained_variance_ratio_) >=.85)[0][0]
print("PC's are needed to explain 85% of the variance for data: ", pcs_needed)
[Output]
"PC's are needed to explain 85% of the variance for data: 3"
Yo termine mirando un poco mas claro el PCA gracias a la diferenciación con el SVD, mientras que en el SVD se busca descomponer en valores singulares, y su nombre lo dice singular que es lo contrario a plural donde gracias a las cualidades singulares de los valores buscamos los menos posibles que nos reflejen la mayor información posible, mientras en el PCA se busca encontrar esas pocas o única dimensione(s) que gracias a sus valores pluralmente nos den la mayor información posible sin perder variabilidad!
from sklearn.decomposition import PCA
from sklearn.decomposition import IncrementalPCA
import plotly.graph_objects as go
import plotly.express as px
n = 6
principal_components = {
'PCA': PCA(n_components=n),
'IncrementalPCA': IncrementalPCA(n_components=n, batch_size=10)
}
fig = go.Figure()
for name, principal_component in principal_components.items():
principal_component.fit(df_country_scaled)
cum_var = np.cumsum(np.round(pca.explained_variance_ratio_, decimals=4)*100)
# Aqui anexamos a la misma figura cada trazo
fig.add_trace(go.Scatter(
x=list(range(1, len(principal_component.explained_variance_) + 1)),
y=cum_var,
name=name,
mode='lines+markers',
))
# Aqui verificamos que varianza de datos esta agrupando el metodo usado para nuestros features
components = principal_component.fit_transform(df_country_scaled)
total_var = principal_component.explained_variance_ratio_.sum() * 100
print(f"Total Explained Variance: {total_var:.2f}%, para {n} componentes con {name}")
# Aqui ejecutamos el plot de nuestra grafica
fig.update_layout(showlegend=True)
fig.show()
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.