Klusterointialgoritmit

Tässä esitellään lyhyesti keskeisimmät klusterointialgoritmit. Näihin keskitytään kurssilla:

Python-kirjastot klusterointiin

Kun työskentelet klusteroinnin parissa Pythonilla, käytät usein seuraavia kirjastoja:

• Scikit-learn: kattava koneoppimiskirjasto. Scikit-learn sisältää useiden klusterointialgoritmien, kuten K-meansin, hierarkkisen klusteroinnin, DBSCANin ja GMM:ien toteutukset sekä työkaluja datan esikäsittelyyn, arviointimittareihin ja muuhun;
• SciPy: kirjasto tieteelliseen ja tekniseen laskentaan. SciPy sisältää funktioita hierarkkiseen klusterointiin, etäisyyksien laskemiseen ja muihin hyödyllisiin työkaluihin klusterointitehtävissä.

Lisäksi on olemassa useita apukirjastoja, jotka ovat hyödyllisiä, kuten NumPy (numeerisiin operaatioihin), Pandas (datan lataukseen ja esikäsittelyyn), Matplotlib ja Seaborn (datan ja klusterointitulosten visualisointiin). Vaikka nämä eivät ole varsinaisia klusterointikirjastoja, ne tukevat koko työnkulkua.