K-Prototypes

改进的K-Prototypes聚类算法，参考文献Determining the number of clusters using information entropy for mixed data

使用方法：

import k_prototypes as kp
# 导入示例数据
data, data_id, num_numerical_features, num_category_features = kp.Load_Data(demo=True)
# 聚类模型
label, center_numerical, center_category = kp.K_Prototypes(random_seed=2020, n=6, data=data, 
                                                           num_numerical=num_numerical_features, 
                                                           num_category=num_category_features, 
                                                           max_iters = 10, mode=3)
# 模型评价
CUM = kp.CUM_index(data=data, num_category=num_category_features, 
                   num_numerical=num_numerical_features, n=5, label=label, mode=3)
print("K_Prototypes算法的CUM值为：{}".format(CUM))

控制台打印内容：

INFO--当前为第1次迭代  loss: 120
INFO--当前为第2次迭代  loss: 30
INFO--当前为第3次迭代  loss: 35
INFO--当前为第4次迭代  loss: 35
INFO--当前为第5次迭代  loss: 20
INFO--当前为第6次迭代  loss: 16
INFO--当前为第7次迭代  loss: 10
INFO--当前为第8次迭代  loss: 5
INFO--当前为第9次迭代  loss: 3
INFO--当前为第10次迭代 loss: 6
INFO--当前为第11次迭代 loss: 3
INFO--当前为第12次迭代 loss: 2
INFO--当前为第13次迭代 loss: 1
INFO--当前为第14次迭代 loss: 0
INFO--当前为第15次迭代 各类别的样本个数统计结果: [101  94  64  60  43  38]
最终的迭代次数为: 14
K_Prototypes算法的CUM值为：3.0573724471832033

参数说明：

参数名称	参数类型	参数意义
n	int	聚类中心的个数
data	DataFrame	用于聚类的样本
random_seed	int	随机数种子
num_numerical	int	数值特征个数
num_category	int	类别特征个数
max_iters	int	最大迭代次数
mode	int	计算模式：1: K_Modes，2: K_Means，其他值: K_Prototypes

返回值说明：

参数名称	参数类型	参数意义
newlabel	list	最终的聚类结果
center_numerical	DataFrame	数值型特征的聚类中心点
center_category	DataFrame	类别型特征的聚类中心点

在GTD数据集上的效果对比：

算法名称	每一类别样本个数	Calinski-Harabaz Index
本文的K-Prototypes算法	90/81/58/48/23	2.2126
K-Means算法	106/86/61/36/11	0.7589
K-Modes算法	72/65/57/55/51	1.6840
开源包的K_Prototypes算法	67/65/61/54/53	0.7630

数据地址：

链接: https://pan.baidu.com/s/1dGE06ymsS-hYfazcqwUjqg 提取码: hdcg