機器學習訓練營——機器學習愛好者的自由交流空間（qq 群號：696721295）

本例演示如何使用特徵集聚(feature agglomeration)將相似的特徵合併到一起。所謂“特徵集聚”，是指迭代地將相似的特徵合併到一起，類似於聚類，但這裡聚的是特徵而不是樣本。本例使用的資料集是手寫數字識別資料集。

例項詳解

首先，匯入必需的庫。

import numpy as np
import matplotlib.pyplot as plt

from sklearn import datasets, cluster
from sklearn.feature_extraction.image import grid_to_graph
 

匯入手寫數字資料集digits, 它是一個三維陣列(1797, 8, 8). 即，有1797個手寫數字，每個數字由8*8的畫素矩陣組成。在這裡，我們使用numpy庫的reshape函式將它變成(1797, 64)的二維陣列。

digits = datasets.load_digits()
images = digits.images
X = np.reshape(images, (len(images), -1))
connectivity = grid_to_graph(*images[0].shape)

使用cluster模組的FeatureAgglomeration方法進行特徵集聚。在這裡，指定聚類數為32，每個特徵的鄰居特徵的連線形式由引數connectivity

agglo = cluster.FeatureAgglomeration(connectivity=connectivity,
                                     n_clusters=32)

agglo.fit(X)
X_reduced = agglo.transform(X)

X_restored = agglo.inverse_transform(X_reduced)
images_restored = np.reshape(X_restored, images.shape)
 

最後，視覺化特徵集聚後的手寫數字影象。

plt.figure(1, figsize=(4, 3.5))
plt.clf()
plt.subplots_adjust(left=.01, right=.99, bottom=.01, top=.91)
for i in range(4):
    plt.subplot(3, 4, i + 1)
    plt.imshow(images[i], cmap=plt.cm.gray, vmax=16, interpolation='nearest')
    plt.xticks(())
    plt.yticks(())
    if i == 1:
        plt.title('Original data')
    plt.subplot(3, 4, 4 + i + 1)
    plt.imshow(images_restored[i], cmap=plt.cm.gray, vmax=16,
               interpolation='nearest')
    if i == 1:
        plt.title('Agglomerated data')
    plt.xticks(())
    plt.yticks(())

plt.subplot(3, 4, 10)
plt.imshow(np.reshape(agglo.labels_, images[0].shape),
           interpolation='nearest', cmap=plt.cm.nipy_spectral)
plt.xticks(())
plt.yticks(())
plt.title('Labels')
plt.show()

閱讀更多精彩內容，請關注微信公眾號：統計學習與大資料