42 lines
1.5 KiB
ObjectPascal
42 lines
1.5 KiB
ObjectPascal
|
// В этом примере подбирается число кластеров для KMeans.
|
|||
|
|
//
|
|||
|
|
// Используются данные MakeBlobs с тремя естественными группами.
|
|||
|
|
// Для каждого значения k выводится inertia:
|
|||
|
|
// чем она меньше, тем ближе объекты к центрам своих кластеров.
|
|||
|
|
//
|
|||
|
|
// Идея метода:
|
|||
|
|
// при увеличении k inertia всегда уменьшается,
|
|||
|
|
// но после "правильного" числа кластеров выигрыш обычно становится небольшим.
|
|||
|
|
|
|||
|
|
uses MLABC;
|
|||
|
|
|
|||
|
|
begin
|
|||
|
|
var (X, yTrue) := Datasets.MakeBlobs(
|
|||
|
|
n := 300,
|
|||
|
|
centers := 3,
|
|||
|
|
nFeatures := 2,
|
|||
|
|
clusterStd := 0.8,
|
|||
|
|
centerBox := 6.0,
|
|||
|
|
shuffle := True,
|
|||
|
|
seed := 42
|
|||
|
|
);
|
|||
|
|
|
|||
|
|
Println('Подбор числа кластеров для KMeans');
|
|||
|
|
Println;
|
|||
|
|
Println('k inertia');
|
|||
|
|
Println('-' * 18);
|
|||
|
|
|
|||
|
|
for var k := 2 to 6 do
|
|||
|
|
begin
|
|||
|
|
var model := new KMeans(k, seed := 42);
|
|||
|
|
model.Fit(X);
|
|||
|
|
Println($'{k,-4} {model.Inertia,10:F3}');
|
|||
|
|
end;
|
|||
|
|
|
|||
|
|
Println;
|
|||
|
|
Println('Интерпретация результата:');
|
|||
|
|
Println('- Inertia всегда уменьшается при росте k.');
|
|||
|
|
Println('- Ищут момент, после которого уменьшение становится не таким заметным.');
|
|||
|
|
Println('- В этом примере естественно ожидать около 3 кластеров.');
|
|||
|
|
end.
|