thuật toán học máy

Các thuật toán học máy không giám sát không có bất kỳ người giám sát nào để cung cấp bất kỳ loại hướng dẫn nào. Đó là lý do tại sao chúng được liên kết chặt chẽ với cái mà một số người gọi là trí tuệ nhân tạo thực sự.

Trong học tập không giám sát, sẽ không có câu trả lời đúng và không có giáo viên hướng dẫn. Các thuật toán cần khám phá mẫu thú vị trong dữ liệu để học.

Phân cm là gì?

Về cơ bản, nó là một loại phương pháp học tập không giám sát và một kỹ thuật phổ biến để phân tích dữ liệu thống kê được sử dụng trong nhiều lĩnh vực. Phân cụm chủ yếu là nhiệm vụ chia tập hợp các quan sát thành các tập con, được gọi là các cụm, theo cách mà các quan sát trong cùng một cụm giống nhau theo một nghĩa nào đó và chúng không giống với các quan sát trong các cụm khác. Nói một cách đơn giản, chúng ta có thể nói rằng mục tiêu chính của phân cụm là nhóm dữ liệu trên cơ sở giống và không giống nhau. Ví dụ: sơ đồ sau hiển thị loại dữ liệu tương tự trong các cụm khác nhau

thuật toán học máy

Các thut toán để phân cm d liu

Sau đây là một vài thuật toán phổ biến để phân cụm dữ liệu –

Thut toán K-Means

Thuật toán phân cụm K-means là một trong những thuật toán nổi tiếng để phân cụm dữ liệu. Chúng ta cần giả định rằng số cụm đã được biết trước. Điều này còn được gọi là phân cụm phẳng. Nó là một thuật toán phân cụm lặp đi lặp lại. Các bước đưa ra dưới đây cần phải được tuân theo cho thuật toán này –

Bước 1 – Chúng ta cần chỉ định số lượng K nhóm con mong muốn.

Bước 2 – Cố định số lượng cụm và chỉ định ngẫu nhiên từng điểm dữ liệu cho một cụm. Hay nói cách khác, chúng ta cần phân loại dữ liệu của mình dựa trên số lượng cụm.

Trong bước này, trọng tâm của cụm sẽ được tính toán.

Vì đây là thuật toán lặp nên chúng ta cần cập nhật vị trí của K trọng tâm với mỗi lần lặp lại cho đến khi chúng ta tìm thấy điểm tối ưu toàn cầu hay nói cách khác là trọng tâm đạt đến vị trí tối ưu của chúng.

Đoạn mã sau sẽ giúp triển khai thuật toán phân cụm K-means trong Python. Chúng tôi sẽ sử dụng mô-đun Scikit-learning. Hãy để chúng tôi nhập các gói cần thiết

import matplotlib.pyplot as plt
import seaborn as sns; sns.set()
import numpy as np
from sklearn.cluster import KMeans

Dòng mã sau đây sẽ giúp tạo tập dữ liệu hai chiều, chứa bốn đốm màu, bằng cách sử dụng make_blob từ gói sklearn.dataset .

from sklearn.datasets.samples_generator import make_blobs

X, y_true = make_blobs(n_samples = 500, centers = 4,
            cluster_std = 0.40, random_state = 0)

Chúng ta có thể trực quan hóa tập dữ liệu bằng cách sử dụng đoạn mã sau

plt.scatter(X[:, 0], X[:, 1], s = 50);
plt.show()
thuật toán học máy

Ở đây, chúng tôi đang khởi tạo kmeans thành thuật toán KMeans, với tham số bắt buộc là có bao nhiêu cụm (n_clusters).

kmeans = KMeans(n_clusters = 4)

Chúng ta cần đào tạo mô hình K-mean với dữ liệu đầu vào.

kmeans.fit(X)
y_kmeans = kmeans.predict(X)
plt.scatter(X[:, 0], X[:, 1], c = y_kmeans, s = 50, cmap = 'viridis')

centers = kmeans.cluster_centers_

Đoạn mã đưa ra dưới đây sẽ giúp chúng tôi vẽ sơ đồ và trực quan hóa các phát hiện của máy dựa trên dữ liệu của chúng tôi và đồ đạc theo số lượng cụm sẽ được tìm thấy.

plt.scatter(centers[:, 0], centers[:, 1], c = 'black', s = 200, alpha = 0.5);
plt.show()
thuật toán học máy

Thut toán dch chuyn trung bình

Đây là một thuật toán phân cụm mạnh mẽ và phổ biến khác được sử dụng trong học tập không giám sát. Nó không đưa ra bất kỳ giả định nào do đó nó là một thuật toán phi tham số. Nó còn được gọi là phân cụm theo thứ bậc hoặc phân tích cụm thay đổi trung bình. Sau đây sẽ là các bước cơ bản của thuật toán này –

  • Trước hết, chúng ta cần bắt đầu với các điểm dữ liệu được gán cho một cụm của riêng chúng.
  • Bây giờ, nó tính toán trọng tâm và cập nhật vị trí của trọng tâm mới.
  • Bằng cách lặp lại quá trình này, chúng ta di chuyển gần đỉnh cụm hơn, tức là hướng tới vùng có mật độ cao hơn.
  • Thuật toán này dừng ở giai đoạn mà trọng tâm không di chuyển nữa.

Với sự trợ giúp của đoạn mã sau, chúng tôi đang triển khai thuật toán phân cụm Mean Shift trong Python. Chúng tôi sẽ sử dụng mô-đun Scikit-learning. Hãy để chúng tôi nhập các gói cần thiết

import numpy as np
from sklearn.cluster import MeanShift
import matplotlib.pyplot as plt
from matplotlib import style
style.use("ggplot")

Đoạn mã sau sẽ giúp tạo tập dữ liệu hai chiều, chứa bốn đốm màu, bằng cách sử dụng make_blob từ gói sklearn.dataset 

Đoạn mã sau sẽ giúp tạo tập dữ liệu hai chiều, chứa bốn đốm màu, bằng cách sử dụng make_blob từ gói sklearn.dataset .

from sklearn.datasets.samples_generator import make_blobs

Chúng ta có thể hình dung tập dữ liệu bằng đoạn mã sau

centers = [[2,2],[4,5],[3,10]]
X, _ = make_blobs(n_samples = 500, centers = centers, cluster_std = 1)
plt.scatter(X[:,0],X[:,1])
plt.show()
thuật toán học máy

Bây giờ, chúng ta cần đào tạo mô hình cụm Mean Shift với dữ liệu đầu vào.

ms = MeanShift()
ms.fit(X)
labels = ms.labels_
cluster_centers = ms.cluster_centers

Đoạn mã sau sẽ in các trung tâm cụm và số cụm dự kiến ​​theo dữ liệu đầu vào

print(cluster_centers)
n_clusters_ = len(np.unique(labels))
print("Estimated clusters:", n_clusters_)
[[ 3.23005036 3.84771893]
[ 3.02057451 9.88928991]]
Estimated clusters: 2

Đoạn mã đưa ra dưới đây sẽ giúp vẽ biểu đồ và trực quan hóa các phát hiện của máy dựa trên dữ liệu của chúng tôi và đồ đạc theo số lượng cụm sẽ được tìm thấy.

colors = 10*['r.','g.','b.','c.','k.','y.','m.']
   for i in range(len(X)):
   plt.plot(X[i][0], X[i][1], colors[labels[i]], markersize = 10)
plt.scatter(cluster_centers[:,0],cluster_centers[:,1],
   marker = "x",color = 'k', s = 150, linewidths = 5, zorder = 10)
plt.show()
thuật toán học máy

Đo lường hiu sut phân cm

Dữ liệu trong thế giới thực không được tổ chức một cách tự nhiên thành một số cụm riêng biệt. Vì lý do này, không dễ hình dung và rút ra kết luận. Đó là lý do tại sao chúng ta cần đo hiệu suất phân cụm cũng như chất lượng của nó. Nó có thể được thực hiện với sự trợ giúp của phân tích hình bóng.

Phân tích hình bóng

Phương pháp này có thể được sử dụng để kiểm tra chất lượng phân cụm bằng cách đo khoảng cách giữa các cụm. Về cơ bản, nó cung cấp một cách để đánh giá các thông số như số lượng cụm bằng cách cho điểm bóng. Điểm số này là một số liệu đo lường mức độ gần gũi của mỗi điểm trong một cụm với các điểm trong các cụm lân cận.

Phân tích đim bóng

Điểm có phạm vi [-1, 1]. Sau đây là phân tích về điểm số này –

  • Điểm +1 – Điểm gần +1 cho biết mẫu ở xa cụm lân cận.
  • Điểm 0 – Điểm 0 chỉ ra rằng mẫu nằm trên hoặc rất gần với ranh giới quyết định giữa hai cụm lân cận.
  • Điểm -1 – Điểm âm cho biết rằng các mẫu đã được gán cho các cụm sai.

Tính đim bóng

Trong phần này, chúng ta sẽ tìm hiểu cách tính điểm bóng.

Điểm Silhouette có thể được tính bằng cách sử dụng công thức sau –

$$điểm hình bóng = \frac{\left ( pq \right )}{max\left ( p,q \right )}$$

Ở đây, 𝑝 là khoảng cách trung bình đến các điểm trong cụm gần nhất mà điểm dữ liệu không thuộc. Và, 𝑞 là khoảng cách trung bình trong cụm đến tất cả các điểm trong cụm của chính nó.

Để tìm số cụm tối ưu, chúng ta cần chạy lại thuật toán phân cụm bằng cách nhập mô-đun số liệu từ gói sklearn . Trong ví dụ sau, chúng tôi sẽ chạy thuật toán phân cụm K-mean để tìm số lượng cụm tối ưu – Nhập các gói cần thiết như được hiển thị

import matplotlib.pyplot as plt
import seaborn as sns; sns.set()
import numpy as np
from sklearn.cluster import KMeans

Với sự trợ giúp của đoạn mã sau, chúng tôi sẽ tạo tập dữ liệu hai chiều, chứa bốn đốm màu, bằng cách sử dụng make_blob từ gói sklearn.dataset .

from sklearn.datasets.samples_generator import make_blobs

X, y_true = make_blobs(n_samples = 500, centers = 4, cluster_std = 0.40, random_state = 0)

Khởi tạo các biến như hình

scores = []
values = np.arange(2, 10)

Chúng ta cần lặp lại mô hình K-mean qua tất cả các giá trị và cũng cần huấn luyện nó với dữ liệu đầu vào.

for num_clusters in values:
kmeans = KMeans(init = 'k-means++', n_clusters = num_clusters, n_init = 10)
kmeans.fit(X)

Bây giờ, hãy ước tính điểm bóng cho mô hình phân cụm hiện tại bằng cách sử dụng thước đo khoảng cách Euclide

score = metrics.silhouette_score(X, kmeans.labels_,
metric = 'euclidean', sample_size = len(X))

Dòng mã sau đây sẽ giúp hiển thị số cụm cũng như điểm Silhouette

print("\nNumber of clusters =", num_clusters)
print("Silhouette score =", score)
scores.append(score)

Bạn sẽ nhận được đầu ra sau

Number of clusters = 9
Silhouette score = 0.340391138371

num_clusters = np.argmax(scores) + values[0]
print('\nOptimal number of clusters =', num_clusters)
Bây giờ, đầu ra cho số cụm tối ưu sẽ như sau -
Optimal number of clusters = 2

Tìm hàng xóm gần nhất
Nếu chúng ta muốn xây dựng các hệ thống giới thiệu chẳng hạn như hệ thống giới thiệu phim thì chúng ta cần hiểu khái niệm tìm hàng xóm gần nhất. Đó là bởi vì hệ thống đề xuất sử dụng khái niệm hàng xóm gần nhất.
Khái niệm tìm hàng xóm gần nhất có thể được định nghĩa là quá trình tìm điểm gần nhất với điểm đầu vào từ tập dữ liệu đã cho. Công dụng chính của thuật toán KNN)K-hàng xóm gần nhất) này là xây dựng các hệ thống phân loại để phân loại một điểm dữ liệu dựa trên sự gần gũi của điểm dữ liệu đầu vào với các lớp khác nhau.
Mã Python được cung cấp dưới đây giúp tìm K-láng giềng gần nhất của một tập dữ liệu nhất định –
Nhập các gói cần thiết như hình bên dưới. Ở đây, chúng tôi đang sử dụng mô-đun NearestNeighbors từ gói sklearn

Tìm hàng xóm gn nht

Nếu chúng ta muốn xây dựng các hệ thống giới thiệu chẳng hạn như hệ thống giới thiệu phim thì chúng ta cần hiểu khái niệm tìm hàng xóm gần nhất. Đó là bởi vì hệ thống đề xuất sử dụng khái niệm hàng xóm gần nhất.

Khái niệm tìm hàng xóm gần nhất có thể được định nghĩa là quá trình tìm điểm gần nhất với điểm đầu vào từ tập dữ liệu đã cho. Công dụng chính của thuật toán KNN)K-hàng xóm gần nhất) này là xây dựng các hệ thống phân loại để phân loại một điểm dữ liệu dựa trên sự gần gũi của điểm dữ liệu đầu vào với các lớp khác nhau.

Mã Python được cung cấp dưới đây giúp tìm K-láng giềng gần nhất của một tập dữ liệu nhất định – Nhập các gói cần thiết như hình bên dưới. Ở đây, chúng tôi đang sử dụng mô-đun NearestNeighbors từ gói sklearn

import numpy as np
import matplotlib.pyplot as plt
from sklearn.neighbors import NearestNeighbors

Bây giờ chúng ta hãy xác định dữ liệu đầu vào

A = np.array([[3.1, 2.3], [2.3, 4.2], [3.9, 3.5], [3.7, 6.4], [4.8, 1.9], 
             [8.3, 3.1], [5.2, 7.5], [4.8, 4.7], [3.5, 5.1], [4.4, 2.9],])

Bây giờ, chúng ta cần xác định những người hàng xóm gần nhất –

k = 3

Chúng tôi cũng cần cung cấp dữ liệu thử nghiệm để tìm thấy những người hàng xóm gần nhất –

test_data = [3.3, 2.9]

Đoạn mã sau có thể trực quan hóa và vẽ sơ đồ dữ liệu đầu vào do chúng tôi xác định

plt.figure()
plt.title('Input data')
plt.scatter(A[:,0], A[:,1], marker = 'o', s = 100, color = 'black')
thuật toán học máy

Bây giờ, chúng ta cần xây dựng K Hàng xóm gần nhất. Đối tượng cũng cần được đào tạo

Bây giờ, chúng ta cần xây dựng K Hàng xóm gần nhất. Đối tượng cũng cần được đào tạo
knn_model = NearestNeighbors(n_neighbors = k, algorithm = 'auto').fit(X)
distances, indices = knn_model.kneighbors([test_data])

Bây giờ, chúng ta có thể in K hàng xóm gần nhất như sau

print("\nK Nearest Neighbors:")
for rank, index in enumerate(indices[0][:k], start = 1):
   print(str(rank) + " is", A[index])

Chúng ta có thể hình dung những người hàng xóm gần nhất cùng với điểm dữ liệu thử nghiệm

plt.figure()
plt.title('Nearest neighbors')
plt.scatter(A[:, 0], X[:, 1], marker = 'o', s = 100, color = 'k')
plt.scatter(A[indices][0][:][:, 0], A[indices][0][:][:, 1],
   marker = 'o', s = 250, color = 'k', facecolors = 'none')
plt.scatter(test_data[0], test_data[1],
   marker = 'x', s = 100, color = 'k')
plt.show()
thuật toán học máy

đầu ra

K hàng xóm gần nhất

1 is [ 3.1 2.3]
2 is [ 3.9 3.5]
3 is [ 4.4 2.9]

K-B phân loi hàng xóm gn nht

Trình phân loại K-Hàng xóm gần nhất (KNN) là một mô hình phân loại sử dụng thuật toán hàng xóm gần nhất để phân loại một điểm dữ liệu nhất định. Chúng tôi đã triển khai thuật toán KNN trong phần trước, bây giờ chúng tôi sẽ xây dựng bộ phân loại KNN bằng thuật toán đó.

Khái nim v phân loi KNN

Khái niệm cơ bản của phân loại K-láng giềng gần nhất là tìm một số được xác định trước, nghĩa là ‘k’ – của các mẫu huấn luyện có khoảng cách gần nhất với một mẫu mới, mẫu này phải được phân loại. Các mẫu mới sẽ nhận được nhãn của chúng từ chính những người hàng xóm. Các bộ phân loại KNN có một hằng số cố định do người dùng xác định cho số lượng hàng xóm phải được xác định. Đối với khoảng cách, khoảng cách Euclide tiêu chuẩn là lựa chọn phổ biến nhất. Trình phân loại KNN hoạt động trực tiếp trên các mẫu đã học thay vì tạo các quy tắc cho việc học. Thuật toán KNN là một trong những thuật toán học máy đơn giản nhất. Nó đã khá thành công trong một số lượng lớn các bài toán phân loại và hồi quy, chẳng hạn như nhận dạng ký tự hoặc phân tích hình ảnh.

Ví dụ

Chúng tôi đang xây dựng bộ phân loại KNN để nhận dạng các chữ số. Đối với điều này, chúng tôi sẽ sử dụng bộ dữ liệu MNIST. Chúng tôi sẽ viết mã này trong Jupyter Notebook.

Nhập các gói cần thiết như hình bên dưới. Ở đây chúng tôi đang sử dụng mô-đun KNeighborsClassifier từ gói sklearn.neighbors

from sklearn.datasets import *
import pandas as pd
%matplotlib inline
from sklearn.neighbors import KNeighborsClassifier
import matplotlib.pyplot as plt
import numpy as np

Đoạn mã sau sẽ hiển thị hình ảnh của chữ số để xác minh hình ảnh nào chúng ta phải kiểm tra

def Image_display(i):
   plt.imshow(digit['images'][i],cmap = 'Greys_r')
   plt.show()

Bây giờ, chúng ta cần tải bộ dữ liệu MNIST. Trên thực tế, có tổng cộng 1797 hình ảnh nhưng chúng tôi đang sử dụng 1600 hình ảnh đầu tiên làm mẫu đào tạo và 197 hình ảnh còn lại sẽ được giữ cho mục đích thử nghiệm.

digit = load_digits()
digit_d = pd.DataFrame(digit['data'][0:1600])

Bây giờ, khi hiển thị hình ảnh, chúng ta có thể thấy đầu ra như sau –

Image_display(0)

Image_display(0)

Hình ảnh của 0 được hiển thị như sau

thuật toán học máy

Image_display(9)

Hình ảnh của 9 được hiển thị như sau

thuật toán học máy

ch s.keys()

Bây giờ, chúng ta cần tạo tập dữ liệu huấn luyện và kiểm tra và cung cấp tập dữ liệu kiểm tra cho bộ phân loại KNN.

train_x = digit['data'][:1600]
train_y = digit['target'][:1600]
KNN = KNeighborsClassifier(20)
KNN.fit(train_x,train_y)

Đầu ra sau đây sẽ tạo K hàm tạo phân loại hàng xóm gần nhất –

KNeighborsClassifier(algorithm = 'auto', leaf_size = 30, metric = 'minkowski',
   metric_params = None, n_jobs = 1, n_neighbors = 20, p = 2,

   weights = ‘uniform’

Chúng tôi cần tạo mẫu thử nghiệm bằng cách cung cấp bất kỳ số tùy ý nào lớn hơn 1600, là các mẫu đào tạo.

test = np.array(digit['data'][1725])
test1 = test.reshape(1,-1)
Image_display(1725)

Image_display(6)

Hình ảnh của 6 được hiển thị như sau

thuật toán học máy

Bây giờ chúng tôi sẽ dự đoán dữ liệu thử nghiệm như sau –

KNN.predict(test1)

Đoạn mã trên sẽ tạo ra đầu ra sau –

array([6])

Bây giờ, hãy xem xét những điều sau đây –

digit['target_names']

Đoạn mã trên sẽ tạo ra đầu ra sau –

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

Xem thêm : AI với Python – Xử lý ngôn ngữ tự nhiên

Để lại một bình luận