/MSKCluster

Utilize Mean-Shift to generate initial centroids for K-Means

Primary LanguagePython

MSK聚类算法 (MeanShift-KMeans Clustering)

一个结合了MeanShift和K-Means优点的聚类算法实现。该算法首先使用MeanShift获取初始聚类中心，然后将这些中心点作为K-Means的初始质心，从而获得更稳定和准确的聚类结果。

算法特点

  • 无需预先指定聚类数量（自动确定最优聚类数）
  • 结合了MeanShift的自适应性和K-Means的效率
  • 支持多种数据预处理和降维方法
  • 提供可视化支持

实现流程

  1. 数据预处理

    • 缺失值处理
    • 数据标准化（支持MinMax和Z-score）
    • 降维处理（支持PCA等多种方法）

  2. 聚类过程

    • MeanShift初步聚类获取中心点
    • 使用轮廓系数确定最优聚类数
    • K-Means精细聚类

聚类流程图

主要功能

  • mean_shift(): 纯MeanShift聚类
  • kmeans(): 传统K-Means聚类
  • combined(): MeanShift-KMeans组合聚类
  • 支持自动降维和数据预处理
  • 提供聚类结果可视化

环境要求

  • Python 3.6+
  • 核心依赖： 
    pandas>=0.20.0
numpy>=1.13.3
scikit-learn>=0.19.1
seaborn>=0.8.1
matplotlib

使用示例

from msk import MSK

# 创建聚类器实例
clusterer = MSK(
    data=your_data,
    Standardized_method=['minmax', 0, 1],
    reduced_method='PCA'
)

# 执行组合聚类
output, clusters = clusterer.combined(cluster_num=3, isPlot=True)

可视化效果

MeanShift聚类结果

MeanShift结果

K-Means聚类结果

K-Means结果

组合聚类结果

组合聚类结果

优势特点

  1. 自适应性强

    • 自动确定聚类数量
    • 适应不规则形状的数据分布

  2. 稳定性好

    • 避免K-Means随机初始化的不稳定性
    • 降低局部最优的风险

  3. 灵活性高

    • 支持多种预处理方法
    • 可自定义降维策略

注意事项

  • 大规模数据集可能需要调整bandwidth参数
  • 降维参数需要根据具体数据特点选择
  • 可视化仅支持1-2维数据展示

License

MIT License