def delete_outliers_ward(prediction, subset):
X = subset
k = general.numero_clusters(prediction)
#se convierte la asignación de clusters a DataFrame
clusters = pd.DataFrame(prediction[1], index=X.index, columns=['cluster'])
#y se añade como columna a X
X_cluster = pd.concat([X, clusters], axis=1)
#Filtro quitando los elementos (outliers) que caen en clusters muy pequeños en el jerárquico
min_size = 2
X_filtrado = X_cluster[
X_cluster.groupby('cluster').cluster.transform(len) > min_size]
k_filtrado = len(set(X_filtrado['cluster']))
#print('''De los {:.0f} clusters hay {:.0f} con más de {:.0f} elementos.
#Del total de {:.0f} elementos, se seleccionan {:.0f}'''.format(k,k_filtrado,min_size,len(X),len(X_filtrado)))
X_filtrado = X_filtrado.drop('cluster', 1)
#X_filtrado_normal = preprocessing.normalize(X_filtrado, norm='l2')
return X_filtrado
return clustering_algorithms
#Definimos el subset
subset1 = define_subset()
print("Tamaño del caso de estudio:" + str(len(subset1)))
#Definimos los algoritmos que vamos a utilizar
algorithms1 = definition_clusters(subset1)
predictions1 = general.get_predictions(algorithms1, subset1)
#Calculamos medidas de error
medidas1 = general.calculoMedidas(subset1, predictions1)
#Calculamos numero de clústeres para aquellos métodos a los que no se le especifique
n_clusters_meanshift = general.numero_clusters(predictions1[1])
print("El número de clústeres para MeanShift es {:.0f} ".format(
n_clusters_meanshift))
########################## CONFIGURACIÓN DE PARAMETROS ##############################
############ kmeans
def configuraciones_kmeans():
#normalized_set = preprocessing.normalize(subset, norm='l2')
k_means_10 = cl.KMeans(init='k-means++', n_clusters=10, n_init=100)
k_means_20 = cl.KMeans(init='k-means++', n_clusters=20, n_init=100)
k_means_30 = cl.KMeans(init='k-means++', n_clusters=30, n_init=100)
k_means_40 = cl.KMeans(init='k-means++', n_clusters=40, n_init=100)
return clustering_algorithms
#Definimos el subset
subset2 = define_subset()
print("Tamaño del caso de estudio:" + str(len(subset2)))
#Definimos los algoritmos que vamos a utilizar
algorithms2 = definition_clusters(subset2)
predictions2 = general.get_predictions(algorithms2, subset2)
medidas2 = general.calculoMedidas(subset2, predictions2)
### Calculamos numero de clusteres para DBSCAN
k_dbscan = general.numero_clusters(predictions2[2])
k_meanshift = general.numero_clusters(predictions2[1])
############################## CONFIGURACIONES
##### DBSCAN
def configuraciones_dbscan():
dbscan_01 = cl.DBSCAN(eps=0.01)
dbscan_05 = cl.DBSCAN(eps=0.05)
dbscan_1 = cl.DBSCAN(eps=0.1)
#Los añadimos a una lista
clustering_algorithms = (('DBSCAN eps=0.01', dbscan_01),
('DBSCAN eps=0.05', dbscan_05), ('DBSCAN eps=0.1',
dbscan_1))
return clustering_algorithms
#Definimos el subset
subset3 = define_subset()
print("Tamaño del caso de estudio:" + str(len(subset3)))
#Definimos los algoritmos que vamos a utilizar
algorithms3 = definition_clusters(subset3)
predictions3 = general.get_predictions(algorithms3, subset3)
#general.scatter_matrix(predictions[2], subset)
medidas3 = general.calculoMedidas(subset3, predictions3)
k_meanshift = general.numero_clusters(predictions3[2])
######################### CAMBIO DE PARÁMETROS
##### Birch
def configuraciones_birch():
brc_10 = cl.Birch(n_clusters=10, threshold=0.01)
brc_20 = cl.Birch(n_clusters=25, threshold=0.01)
brc_30 = cl.Birch(n_clusters=30, threshold=0.01)
brc_40 = cl.Birch(n_clusters=40, threshold=0.01)
brc_50 = cl.Birch(n_clusters=50, threshold=0.01)
brc_60 = cl.Birch(n_clusters=60, threshold=0.01)
#Los añadimos a una lista
clustering_algorithms = (('Birch-10', brc_10), ('Birch-20', brc_20),
('Birch-30', brc_30), ('Birch-40', brc_40),