变量聚类包
varclushi的Python项目详细描述
瓦克鲁希
这是一个python模块，用于执行具有层次结构的变量集群（varclus）。varclus是一种很好的降维算法。这里有一个简短的描述：
- 选择要拆分的群集。
- 通过查找前两个主分量，执行正交旋转，并将每个变量分配给与之具有更高平方相关性的旋转分量，将所选簇分成两个簇。
缩进观众：
- 那些熟悉varclus算法在其他分析软件（如sas）中的使用，但在试图找到合适的python模块时总是感到苦恼的人。
- 对varclus算法不熟悉的Python。源代码可以帮助您深入理解该算法背后的数学原理。
见解和亮点：
- （这是纯粹的理论部分，忽略这一点并不影响这个包的使用）。现有文献总是提到我们需要主成分（参照步骤2-3）。实际上，实现该算法不需要计算主成分，相关矩阵及其特征向量足以得到成分与变量的平方相关（这可以通过数学证明）。如果我们的数据集有数百万个观测值和数百个变量，不使用主成分将节省时间和内存。
- 如果我们使用sas varclus过程作为基准，python包varclusi可以产生非常相似的结果。这保证代码的正确性。：）
示例
有关详细信息，请参见demo.ipynb。
importpandasaspdfromvarclushiimportVarClusHi
创建varclushi对象并将要分析的数据帧（df）作为参数传递，您还可以指定
- 功能列表（feat_list，默认为df的所有列）
- 最大第二特征值（maxeigval2，默认值1）
- 最大群集数（最大群集数，默认为无）
然后调用方法varclus（），它执行分层变量聚类算法
demo1_df=pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv',sep=';')demo1_df.drop('quality',axis=1,inplace=True)demo1_vc=VarClusHi(demo1_df,maxeigval2=1,maxclus=None)demo1_vc.varclus()
<varclushi.varclushi.VarClusHi at 0x15f96e35e10>
呼叫信息，您可以获得集群的数量、每个集群中的变量数量（n_vars）、每个集群解释的方差（eigval1）等。
demo1_vc.info
ClusterN_VarsEigval1Eigval2VarProp0032.1413570.6584130.7137861131.7668850.9009910.5889622221.3712600.6287400.6856303321.5524960.4475040.7762484411.0000000.0000001.000000
调用rsquare，可以得到每个变量的（1-rsquare）比率
demo1_vc.rsquare
ClusterVariableRS_OwnRS_NCRS_Ratio00fixedacidity0.8822100.2772560.16297610density0.6220700.2461940.50136220pH0.6370760.1943590.45047831freesulfurdioxide0.7777960.0103580.22453041totalsulfurdioxide0.7866600.0422940.22276151residualsugar0.2024280.0454240.83552562sulphates0.6856300.1060220.35165372chlorides0.6856300.0489030.33053483citricacid0.7762480.3982080.37181093volatileacidity0.7762480.0409200.233299104alcohol1.0000000.0820550.000000
安装
要求：python 3.4+
按PIP安装：
pip install varclushi
其他评论：
控制该算法的参数仅包括第二特征值和最大簇数。我不开发其他功能，因为它足够我使用。如果你需要更多的灵活性，你可以通过xuanjing@hotmail.com来联系我。
一旦我有时间，源代码的注释将被添加。
谢谢
谢谢我的前任经理，我第一次从他那里听说这种方法。感谢我现在的经理李明松先生，他给了我足够的鼓励和支持来完成这个项目。
欢迎加入QQ群-->： 979659372
