Модель кластеризации, как DBSCAAN, OPTICS, KMEANS

Question

Я сомневаюсь, можно ли после кластеризации с использованием какого-либо алгоритма сегментировать новые данные на основе изучения предыдущих данных

Answer 1

Кластеризация - это неконтролируемый механизм, при котором количество кластеров и идентификация сегментов, которые должны быть кластеризованы, не известны системе.

Следовательно, вы можете получить усвоение модели который обучен кластеризации, классификации, идентификации или проверке и применяет это обучение в вашем случае кластеризации.

Если новые данные поступают из той же области обученных данных, скорее всего, в результате вы получите более точную кластеризацию. (Вам необходимо правильно выбрать методологию кластеризации на основе типа данных, который вы выбираете. Например, для кластеризации голоса Доминирующие множества и иерархическая кластеризация будут наиболее потенциальными кандидатами). Если новые данные принадлежат другому домену, то выбранная модель может дать сбой, поскольку она узнала, что функции соответствуют вашей области данных обучения.

Answer 2

Проблема в том, что алгоритмы кластеризации - это алгоритмы обучения без контроля. Им не нужна зависимая переменная для прогнозирования классов. Они используются для поиска структур / сходств в точках данных. Что вы можете сделать, так это рассматривать кластерные данные как контролируемые данные.

Подход заключается в кластеризации и назначении меток в данных поезда. Обрабатывайте их как данные классификации нескольких классов, обучайте новую модель классификации нескольких классов, используя ваши данные, и проверяйте ее на тестовых данных.

Let train and test be the datasets.
clusters <- Clustering(train)
train[y] <- clusters
model <- Classification(train, train[y])
prediction <- model.predict(test)

Однако интересно, что KMeans в sklearn предоставляет метод подбора и прогнозирования. Таким образом, используя KMeans из sklearn, вы можете прогнозировать новые данные. Однако DBScan не имеет предсказания, что вполне очевидно из его рабочего механизма.