Concurrent_AP 1.4

概述

一种可伸缩的并行亲和性编程实现 传播群集。

关联传播是一种基于消息传递的聚类算法 在数据点之间。

存储和更新“亲缘关系”、“责任”和 样本之间的“相似性”可能是记忆密集型的。我们解决这个问题 通过使用hdf5数据结构发出，允许关联 任意大数据集的传播群集，其中 在大多数机器上，实现都会返回一个memoryerror。

我们还通过将它们分开来显著地加快计算速度 跨子流程，从而充分利用 多核处理器并绕过 标准的python解释器cpython。

安装和要求

concurrent_ap需要python 2.7以及以下包和 标准python库中的几个模块：

• numpy>；=1.9
• psutil
• Pytables
• SCIKIT学习
• 设置工具

建议您检查是否安装了所需的依赖项，尽管下面的pip命令应自动为您执行此操作。您确实可以最方便地从官方python包索引（pypi）下载并发的ap，如下所示：

• 打开终端窗口；
• 输入命令pip install Concurrent_AP。

这里的代码已经在fedora、os x和ubuntu上测试过了，应该 在类unix操作系统系列的任何其他成员上都可以正常工作。

用法和命令行选项

查看与并发应用程序的每个函数关联的docstrings 模块以获取更多信息并了解不同任务 在子流程之间组织和共享。

用法：Concurrent_AP [options] file_name，其中file_name 表示要通过关联传播处理的数据的路径 群集被保留。数据必须包含在以制表符分隔的示例行中，每个列对应于特定功能。

• -c或--convergence：指定不带 表示聚合的群集数的更改（默认值 15）；
• -d或--damping：关联的阻尼参数 传播（默认为0.5）；
• -f或--file：指定文件名或文件句柄的选项 所涉及矩阵的层次数据格式 将存储关联传播群集（默认为 临时文件）；
• ^ TT11} $或^ {TT12}$：消息传递的最大数目 迭代次数（默认为200次）；
• -m或--multiprocessing：要使用的进程数；
• -p或--preference：关联的首选参数 传播（如果未指定，将确定为 样本间成对l2欧氏距离的分布）；
• -s或--similarities：确定相似矩阵是否 已预先计算并存储在HDF5数据结构中，可在 通过命令行选项指定的位置-f或 --file（见上文）；
• -v或--verbose：是否冗长。

并发ap的演示

以下几行说明了在 “IRIS数据集”来自UCI机器学习库。而 这里的样品数量太少，不利于现在 多任务实现和hdf5数据结构的使用 充分发挥作用，这个数据集的优点是 与scikit learn的版本进行快速比较 亲和力传播聚类。

• 在python解释器控制台中，输入以下几行 目的是创建一个包含iris数据集的文件 之后通过 同意者电子地图：

>>> import numpy as np
>>> from sklearn import datasets

>>> iris = datasets.load_iris()
>>> data = iris.data
>>> with open('./iris_data.txt', 'w') as f:
       np.savetxt(f, data, fmt = '%.4f', delimiter = '\t')

• 打开终端窗口。
• 键入Concurrent_AP --preference 5.47 --v iris_data.txt或 只需Concurrent_AP iris_data.txt。

后者将自动从 数据集。

当数据点之间的消息传递轮次完成时， 包含群集标签文件和群集中心文件的文件夹 以制表符分隔格式创建的索引都是在当前工作中创建的 目录。

参考

布伦丹·J·弗雷和德尔伯特·杜克。“通过传递消息进行群集 数据点之间”，科学2007年2月