7b1f89fb4c
Улучшены параметры синтетических датасетов Метрики разнесены по трем классам PlotML - сделан Surface и улучшены палитры
83 lines
2.7 KiB
ObjectPascal
83 lines
2.7 KiB
ObjectPascal
// Сравнение KMeans и DBSCAN на данных с шумом и разной плотностью кластеров.
|
||
//
|
||
// Датасет содержит:
|
||
// • несколько кластеров
|
||
// • различную плотность
|
||
// • дополнительные шумовые точки
|
||
//
|
||
// KMeans:
|
||
// • предполагает компактные и примерно одинаковые по размеру кластеры
|
||
// • плохо работает при наличии шума и различной плотности
|
||
// • стремится "размазать" шум по кластерам
|
||
//
|
||
// DBSCAN:
|
||
// • выделяет кластеры как области высокой плотности
|
||
// • естественно отделяет шум (метка -1)
|
||
// • лучше справляется с неоднородной структурой данных
|
||
//
|
||
// По метрике ARI DBSCAN показывает лучший результат,
|
||
// так как точнее восстанавливает истинную структуру кластеров.
|
||
//
|
||
// Этот пример демонстрирует различие двух подходов:
|
||
// • центроидный (KMeans)
|
||
// • плотностный (DBSCAN)
|
||
|
||
// KMeans ARI: 0.9073
|
||
// DBSCAN ARI: 0.9496
|
||
|
||
uses MLABC, PlotML;
|
||
|
||
begin
|
||
// --- данные (сложный случай: разная плотность + шум)
|
||
var (X, yTrue) := Datasets.MakeBlobs(
|
||
n := 400,
|
||
centers := 3,
|
||
nFeatures := 2,
|
||
clusterStd := 0.9,
|
||
clusterStdVar := 1.0,
|
||
centerBox := 6.0,
|
||
classBalance := 1.0,
|
||
noisePoints := 60,
|
||
shuffle := True,
|
||
seed := 1
|
||
);
|
||
|
||
// --- модели
|
||
var kmeans := new KMeans(3);
|
||
kmeans.Fit(X);
|
||
var yKM := kmeans.PredictLabels(X);
|
||
|
||
var db := new DBSCAN(0.7, 5);
|
||
db.Fit(X);
|
||
var yDB := db.PredictLabels(X);
|
||
|
||
// --- метрики
|
||
var ariKM := Metrics.AdjustedRandIndex(yTrue, yKM);
|
||
var ariDB := Metrics.AdjustedRandIndex(yTrue, yDB);
|
||
|
||
Println('--- Clustering ---');
|
||
Println($'KMeans ARI: {ariKM,0:F4}');
|
||
Println($'DBSCAN ARI: {ariDB,0:F4}');
|
||
Println;
|
||
|
||
// --- координаты
|
||
var x1 := X.Col(0);
|
||
var x2 := X.Col(1);
|
||
|
||
// --- визуализация
|
||
var fig := Plot.Grid(1, 2);
|
||
|
||
// KMeans
|
||
//fig[0,0].SetPalette(Palettes.Bright);
|
||
fig[0,0].Points(x1, x2, yKM, size := 6);
|
||
fig[0,0].Title := $'KMeans (ARI={ariKM,0:F3})';
|
||
|
||
var yDB_plot := new integer[yDB.Length];
|
||
|
||
for var i := 0 to yDB.Length - 1 do
|
||
yDB_plot[i] := if yDB[i] = -1 then 0 else yDB[i] + 1;
|
||
// DBSCAN
|
||
//fig[0,1].SetPalette(Palettes.Bright);
|
||
fig[0,1].Points(x1, x2, yDB_plot, size := 6);
|
||
fig[0,1].Title := $'DBSCAN (ARI={ariDB,0:F3})';
|
||
end. |