谱双聚类算法演示#

此示例演示如何生成棋盘数据集并使用SpectralBiclustering算法对其进行双聚类。谱双聚类算法专门设计用于通过同时考虑矩阵的行（样本）和列（特征）来聚类数据。它旨在识别样本之间的模式以及样本子集内的模式，从而允许检测数据中的局部结构。这使得谱双聚类特别适合于特征顺序或排列固定的数据集，例如图像、时间序列或基因组。

数据生成后，会进行混洗，然后传递给谱双聚类算法。然后重新排列混洗矩阵的行和列，以绘制找到的双聚类。

# Authors: The scikit-learn developers
# SPDX-License-Identifier: BSD-3-Clause

生成样本数据#

我们使用make_checkerboard函数生成样本数据。shape=(300, 300)中的每个像素都用其颜色表示来自均匀分布的值。噪声是从正态分布中添加的，其中为noise选择的数值是标准差。

正如您所看到的，数据分布在12个聚类单元上，并且相对容易区分。

from matplotlib import pyplot as plt

from sklearn.datasets import make_checkerboard

n_clusters = (4, 3)
data, rows, columns = make_checkerboard(
    shape=(300, 300), n_clusters=n_clusters, noise=10, shuffle=False, random_state=42
)

plt.matshow(data, cmap=plt.cm.Blues)
plt.title("Original dataset")
_ = plt.show()

我们对数据进行混洗，目标是之后使用SpectralBiclustering对其进行重构。

import numpy as np

# Creating lists of shuffled row and column indices
rng = np.random.RandomState(0)
row_idx_shuffled = rng.permutation(data.shape[0])
col_idx_shuffled = rng.permutation(data.shape[1])

我们重新定义混洗后的数据并对其进行绘制。我们观察到我们丢失了原始数据矩阵的结构。

data = data[row_idx_shuffled][:, col_idx_shuffled]

plt.matshow(data, cmap=plt.cm.Blues)
plt.title("Shuffled dataset")
_ = plt.show()

拟合`SpectralBiclustering`#

我们拟合模型并将获得的聚类与真实情况进行比较。请注意，在创建模型时，我们指定了与创建数据集时使用的相同数量的聚类(n_clusters = (4, 3))，这将有助于获得良好的结果。

from sklearn.cluster import SpectralBiclustering
from sklearn.metrics import consensus_score

model = SpectralBiclustering(n_clusters=n_clusters, method="log", random_state=0)
model.fit(data)

# Compute the similarity of two sets of biclusters
score = consensus_score(
    model.biclusters_, (rows[:, row_idx_shuffled], columns[:, col_idx_shuffled])
)
print(f"consensus score: {score:.1f}")

consensus score: 1.0

分数介于0和1之间，其中1对应于完美的匹配。它显示了双聚类的质量。

绘制结果#

现在，我们根据SpectralBiclustering模型分配的行和列标签按升序重新排列数据，然后再次绘制。 row_labels_范围从0到3，而column_labels_范围从0到2，表示每行共有4个聚类，每列共有3个聚类。

# Reordering first the rows and then the columns.
reordered_rows = data[np.argsort(model.row_labels_)]
reordered_data = reordered_rows[:, np.argsort(model.column_labels_)]

plt.matshow(reordered_data, cmap=plt.cm.Blues)
plt.title("After biclustering; rearranged to show biclusters")
_ = plt.show()

After biclustering; rearranged to show biclusters

最后一步，我们想演示模型分配的行标签和列标签之间的关系。因此，我们使用numpy.outer创建一个网格，它采用排序后的row_labels_和column_labels_，并为每个标签加1，以确保标签从1而不是0开始，以便更好地可视化。

plt.matshow(
    np.outer(np.sort(model.row_labels_) + 1, np.sort(model.column_labels_) + 1),
    cmap=plt.cm.Blues,
)
plt.title("Checkerboard structure of rearranged data")
plt.show()

Checkerboard structure of rearranged data

行和列标签向量的外积显示了棋盘结构的表示，其中行和列标签的不同组合由不同深浅的蓝色表示。

脚本总运行时间：（0分钟0.576秒）

谱双聚类算法演示#

生成样本数据#

拟合SpectralBiclustering#

绘制结果#

拟合`SpectralBiclustering`#