EX 1: Feature_agglomeration.md
此範例是用FeatureAgglomeration來做特徵聚集
    1.
    利用 sklearn.datasets.load_digits() 來讀取內建資料庫
    2.
    利用 FeatureAgglomeration : 將相似特徵聚集並降維,來減少特徵數量,避免特徵過多的問題

(一)引入函式庫

引入函式如下:
    1.
    numpy : 產生陣列數值
    2.
    matplotlib.pyplot : 用來繪製影像
    3.
    sklearn import datasets, cluster : datasets : 用來匯入內建之手寫數字資料庫 ; cluster : 其內收集非監督clustering演算法
    4.
    sklearn.feature_extraction.image import grid_to_graph : 定義資料的結構
1
import numpy as np
2
import matplotlib.pyplot as plt
3
4
from sklearn import datasets, cluster
5
from sklearn.feature_extraction.image import grid_to_graph
Copied!
1
# The digits dataset
2
digits = datasets.load_digits()
3
images = digits.images
Copied!
使用 datasets.load_digits() 將資料存入, digits 為一個dict型別資料,我們可以用以下指令來看一下資料的內容。
1
for key,value in digits.items() :
2
try:
3
print (key,value.shape)
4
except:
5
print (key)
Copied!
顯示
說明
('images', (1797L, 8L, 8L))
共有 1797 張影像,影像大小為 8x8
('data', (1797L, 64L))
data 則是將8x8的矩陣攤平成64個元素之一維向量
('target_names', (10L,))
說明10種分類之對應 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
DESCR
資料之描述
('target', (1797L,))
記錄1797張影像各自代表那一個數字
1
X = np.reshape(images, (len(images), -1))
Copied!
將1797x8x8的圖片拉長,變成1797x64

(二)特徵聚集

1
connectivity = grid_to_graph(*images[0].shape)
2
3
agglo = cluster.FeatureAgglomeration(connectivity=connectivity,
4
n_clusters=32)
5
6
agglo.fit(X)
Copied!
grid_to_graph : 做出像素連接的矩陣 FeatureAgglomeration : 將相似特徵聚集並降維,來減少特徵數量
1
X_reduced = agglo.transform(X)
2
3
X_restored = agglo.inverse_transform(X_reduced)
Copied!
transform : 根據上面 n_clusters 的值做轉換,得出[n_samples, n_features_new]新的特徵值 inverse_transform : 將其轉換回原本的特徵數(64)對應的特徵值
1
images_restored = np.reshape(X_restored, images.shape)
2
plt.figure(1, figsize=(4, 3.5))
3
plt.clf()
Copied!
plt.clf() : 保留figure但是清除內容,可以讓這figure重複使用
最後用下面程式碼將圖秀出來
1
plt.subplots_adjust(left=.01, right=.99, bottom=.01, top=.91)
2
for i in range(4):
3
plt.subplot(3, 4, i + 1)
4
plt.imshow(images[i], cmap=plt.cm.gray, vmax=16, interpolation='nearest')
5
plt.xticks(())
6
plt.yticks(())
7
if i == 1:
8
plt.title('Original data')
9
plt.subplot(3, 4, 4 + i + 1)
10
plt.imshow(images_restored[i], cmap=plt.cm.gray, vmax=16,
11
interpolation='nearest')
12
if i == 1:
13
plt.title('Agglomerated data')
14
plt.xticks(())
15
plt.yticks(())
16
17
plt.subplot(3, 4, 10)
18
plt.imshow(np.reshape(agglo.labels_, images[0].shape),
19
interpolation='nearest', cmap=plt.cm.nipy_spectral)
20
plt.xticks(())
21
plt.yticks(())
22
plt.title('Labels')
23
plt.show()
Copied!

(三)完整程式碼

Python source code:plot_digits_agglomeration.py
1
print(__doc__)
2
3
# Code source: Gaël Varoquaux
4
# Modified for documentation by Jaques Grobler
5
# License: BSD 3 clause
6
7
import numpy as np
8
import matplotlib.pyplot as plt
9
10
from sklearn import datasets, cluster
11
from sklearn.feature_extraction.image import grid_to_graph
12
13
digits = datasets.load_digits()
14
images = digits.images
15
X = np.reshape(images, (len(images), -1))
16
connectivity = grid_to_graph(*images[0].shape)
17
18
agglo = cluster.FeatureAgglomeration(connectivity=connectivity,
19
n_clusters=32)
20
21
agglo.fit(X)
22
X_reduced = agglo.transform(X)
23
24
X_restored = agglo.inverse_transform(X_reduced)
25
images_restored = np.reshape(X_restored, images.shape)
26
plt.figure(1, figsize=(4, 3.5))
27
plt.clf()
28
plt.subplots_adjust(left=.01, right=.99, bottom=.01, top=.91)
29
for i in range(4):
30
plt.subplot(3, 4, i + 1)
31
plt.imshow(images[i], cmap=plt.cm.gray, vmax=16, interpolation='nearest')
32
plt.xticks(())
33
plt.yticks(())
34
if i == 1:
35
plt.title('Original data')
36
plt.subplot(3, 4, 4 + i + 1)
37
plt.imshow(images_restored[i], cmap=plt.cm.gray, vmax=16,
38
interpolation='nearest')
39
if i == 1:
40
plt.title('Agglomerated data')
41
plt.xticks(())
42
plt.yticks(())
43
44
plt.subplot(3, 4, 10)
45
plt.imshow(np.reshape(agglo.labels_, images[0].shape),
46
interpolation='nearest', cmap=plt.cm.nipy_spectral)
47
plt.xticks(())
48
plt.yticks(())
49
plt.title('Labels')
50
plt.show()
Copied!