hdbscan
高效能的 HDBSCAN 分群演算法實作
hdbscan 是什麼?
高效能的 HDBSCAN 分群演算法實作。此實作專注於效能最佳化,提供快速且可靠的密度分群功能。
hdbscan 概覽
這是什麼
HDBSCAN 是階層式密度基礎空間叢聚應用與雜訊(Hierarchical Density-Based Spatial Clustering of Applications with Noise)的高效能實作。它對不同的 epsilon 值執行 DBSCAN,並整合結果以找出在 epsilon 範圍內穩定性最佳的叢聚。這使得 HDBSCAN 能夠找出密度不同的叢聚,並對參數選擇更具強健性。此套件繼承自 sklearn 類別,支援陣列、pandas 資料框及稀疏矩陣等輸入格式。
主要功能
- 幾乎不需或只需極少參數調整即可回傳良好的叢聚結果;主要參數「最小叢聚大小」直觀且易於選擇。
- 比 Java 參考實作快數個數量級,也比 C 和 C++ 的高度最佳化單連結實作更快。
- 提供視覺化工具,用於顯示壓縮叢聚階層、強健單連結叢聚階層及可達距離最小生成樹。
- 透過叢集成員強度與持續性分數支援軟叢聚。
- 包含 GLOSH 離群值偵測演算法,可透過 outlier_scores_ 屬性存取。
- 提供強健單連結叢聚,以及透過 BranchDetector 類別進行分支偵測後處理步驟。
使用情境
HDBSCAN 非常適合探索性資料分析,能在有叢聚存在時回傳有意義的叢聚。它適用於密度變化的資料叢聚,以及需要最小化參數調整的應用。離群值偵測與分支偵測功能將其用途擴展至異常偵測與資料中分支結構的分析。
快速開始
使用 conda 安裝(若您有 Anaconda):conda install -c conda-forge hdbscan或使用 pip 安裝:pip install hdbscan使用範例:import hdbscanfrom sklearn.datasets import make_blobsdata, _ = make_blobs(1000)clusterer = hdbscan.HDBSCAN(min_cluster_size=10)cluster_labels = clusterer.fit_predict(data)
授權與價格
授權:BSD-3-Clause。此套件為開放原始碼。
內容整理自該專案公開的 README 與儲存庫資訊。