Кастомизация K-средних - PullRequest
Новая
       72

Кастомизация K-средних

0 голосов
/ 15 апреля 2020

Я пытаюсь найти «лучшее» значение «k» для кластеризации k-средних, используя конвейер, где я использую стандартный масштабатор, за которым следует пользовательское k-средство, за которым, наконец, следует классификатор дерева решений. Затем я пытаюсь использовать этот конвейер для поиска по сетке, чтобы получить наилучшее значение «k». Python 3.7 и используется sklearn.

У меня есть следующий код: 

from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import make_blobs
from sklearn.pipeline import Pipeline

import numpy as np
import matplotlib.pyplot as plt

from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.cluster import KMeans
from sklearn.preprocessing import OneHotEncoder
from sklearn.model_selection import GridSearchCV, RandomizedSearchC


class KMeansTransformer(BaseEstimator, TransformerMixin):

    def __init__(self, **kwargs):
        # The purpose of 'self.model' is to contain the
        # underlying cluster model-
        self.model = KMeans(**kwargs)


    def fit(self, X):
        self.X = X
        self.model.fit(X)


    def transform(self, X):
        pred = self.model.predict(X)
        return np.hstack([self.X, pred.reshape(-1, 1)])


    def fit_transform(self, X, y=None):
        self.fit(X)
        return self.transform(X)


# Create features and target-
X, y = make_blobs(n_samples=100, n_features=2, centers=3)

# Get shape/dimension-
X.shape, y.shape
# ((100, 2), (100,))


# Create another pipeline using Decision Tree as classifier-
pipe_dt = Pipeline(
    [
        ('sc', StandardScaler()),
        ('kmt', KMeansTransformer()),
        ('dt_clf', DecisionTreeClassifier())
    ]
)

# Train defined pipline-
pipe_dt.fit(X, y)

# Get accuracy score of pipeline-
pipe_dt.score(X, y)
# 1.0

# Make predictions using pipeline defined above-
y_pred_dt = pipe_dt.predict(X)


# Perform hyperparameter search/optimization using 'GridSearchCV'-
# Specify parameters to be hyper-tuned-
params = {
            'n_clusters': [2, 3, 5, 7]
            }

# Initialize GridSearchCV() object using 3-fold CV-
grid_kmt = GridSearchCV(param_grid=params, estimator=pipe_dt, cv = 3)

# Perform GridSearchCV on training data-
grid_kmt.fit(X, y)

Когда я использую grid_kmt.fit (X, y), он дает мне следующая ошибка:

ValueError: Неверный параметр n_clusters для конвейера оценки (память = нет, шаги = [('s c', StandardScaler (копия = True, with_mean = True, with_std = True) ), ('kmt', KMeansTransformer ()), ('dt_clf', DecisionTreeClassifier (ccp_alpha = 0.0, class_weight = нет, критерий = 'gini', max_depth = нет, max_features = нет, max_leaf_nodes = нет, min_aserease_de__de__de__de__de__de__de__de__de__de__de__de__de__de_) = Нет, min_samples_leaf = 1, min_samples_split = 2, min_weight_fraction_leaf = 0.0, presort = 'не рекомендуется', random_state = Нет, splitter = 'best'))], verbose = False). Проверьте список доступных параметров с помощью estimator.get_params().keys().

Однако, когда я инициализирую объект для пользовательских kmeans- 

# Initialize a new clustering object-
km = KMeansTransformer(n_clusters=3, init = 'k-means++')

# Get the list of available parameters-
km.get_params().keys()                                                  
# dict_keys([])

Тогда почему я получаю 'ValueError'? 'n_clusters' находится в списке доступных параметров для пользовательского объекта кластеризации.

Спасибо!

1 Ответ

1 голос
/ 15 апреля 2020

Внимательно изучив сообщение об ошибке: 

ValueError: Invalid parameter n_clusters for estimator Pipeline [...]

ясно, что ваш GridSearchCV ищет параметр n_clusters в самом конвейере (то есть не в его компонентах, то есть), не может найти любой и возвращает ошибку. Чтобы правильно получить доступ к параметру n_clusters вашего 'kmt', KMeansTransformer()) компонента, вы должны использовать 

params = {
            'kmt__n_clusters': [2, 3, 5, 7]  # two underscores
            }

при условии, конечно, что ваш KMeansTransformer принимает параметр n_clusters.

...