Opciones KMeans Python

En Python, KMeans de sklearn.cluster es uno de los métodos más populares para realizar clustering. Aquí te explico las opciones clave y su propósito, con ejemplos de uso para facilitar su comprensión.

from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt

1. n_clusters

• Descripción: Número de clusters (o grupos) en los que queremos dividir los datos.
• Ejemplo: Si quieres dividir datos en 3 grupos.

data = np.random.rand(100, 2)
kmeans = KMeans(n_clusters=3)
kmeans.fit(data)
plt.scatter(data[:, 0], data[:, 1], c=kmeans.labels_)
plt.show()

2. init

• Descripción: Método de inicialización de los centros de los clusters. Las opciones más comunes son:
  • "k-means++" (por defecto): Mejora la convergencia.
  • "random": Asigna los centroides iniciales al azar.
  • Ejemplo: Usar inicialización aleatoria.

kmeans = KMeans(n_clusters=3, init="random")
kmeans.fit(data)

3. n_init

• Descripción: Número de veces que se ejecuta el algoritmo K-Means con diferentes inicializaciones para encontrar el mejor resultado.
• Ejemplo: Ejecutar 20 inicializaciones.

kmeans = KMeans(n_clusters=3, n_init=20)
kmeans.fit(data)

4. max_iter

• Descripción: Número máximo de iteraciones que el algoritmo ejecutará en una única ejecución.
• Ejemplo: Establecer un máximo de 500 iteraciones para convergencia.

kmeans = KMeans(n_clusters=3, max_iter=500)
kmeans.fit(data)

5. tol

• Descripción: Tolerancia para la convergencia. El algoritmo parará si el desplazamiento de los centroides entre iteraciones es menor a este valor.
• Ejemplo: Tolerancia más estricta.

kmeans = KMeans(n_clusters=3, tol=0.0001)
kmeans.fit(data)

6. random_state

• Descripción: Controla la aleatoriedad de las inicializaciones para obtener resultados reproducibles.
• Ejemplo: Fijar un random_state para reproducibilidad.

kmeans = KMeans(n_clusters=3, random_state=42)
kmeans.fit(data)

7. algorithm

• Descripción: Algoritmo usado en el cálculo:
  • "lloyd": Método original de Lloyd.
  • "elkan": Ahorra tiempo computacional con distancias euclidianas.
• Ejemplo: Usar algoritmo Elkan.

kmeans = KMeans(n_clusters=3, algorithm="elkan")
kmeans.fit(data)

Visualización completa del clustering con todas las opciones

kmeans = KMeans(
    n_clusters=3, init="k-means++", n_init=10, max_iter=300,
    tol=0.0001, random_state=42, algorithm="auto"
)
kmeans.fit(data)
plt.scatter(data[:, 0], data[:, 1], c=kmeans.labels_)
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=200, c="red", marker="X")
plt.title("KMeans clustering con diferentes opciones")
plt.show()