在 mlr 包中无需重新采样进行调整（聚类）

Question

在 mlr 包中，我可以执行聚类。假设我不想知道模型如何处理看不见的数据，但我只想知道关于给定性能指标的最佳集群数量。

在这个例子中，我使用了dbscan包的moons数据集。

library(mlr)
library(dbscan)
data("moons")

db_task = makeClusterTask(data = moons)

db = makeLearner("cluster.dbscan")

ps = makeParamSet(makeDiscreteParam("eps", values = seq(0.1, 1, by = 0.1)),
  makeIntegerParam("MinPts", lower = 1, upper = 5))

ctrl = makeTuneControlGrid()

rdesc = makeResampleDesc("CV", iters = 3) # I don´t want to use it, but I have to 

res = tuneParams(db, 
  task = db_task, 
  control = ctrl,
  measures = silhouette, 
  resampling = rdesc, 
  par.set = ps)
#> [Tune] Started tuning learner cluster.dbscan for parameter set:
#>            Type len Def                                Constr Req Tunable
#> eps    discrete   -   - 0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1   -    TRUE
#> MinPts  integer   -   -                                1 to 5   -    TRUE
#>        Trafo
#> eps        -
#> MinPts     -
#> With control class: TuneControlGrid
#> Imputation value: Inf
#> [Tune-x] 1: eps=0.1; MinPts=1
#> Error in matrix(nrow = k, ncol = ncol(x)): invalid 'nrow' value (too large or NA)

^{由 reprex package (v0.3.0)}

于 2019-06-06 创建

但是，mlr 迫使我使用重采样策略。知道如何在不重新采样的情况下在集群任务中使用 mlr 吗？

Answer 1

mlr 在集群方面非常差。它的 dbscan 函数是 very 慢速 fpc 包的包装器。其他的包裹Weka，也是很慢。

改用 dbscan 包。

然而，参数调整不仅仅适用于无人监督的设置。你没有标签，所以你只有不可靠的 "internal" 启发式。其中大部分对于 DBSCAN 来说都不可靠，因为它们会假设噪声是一个簇，但事实并非如此。很少有工具支持评估中的噪声（我在 ELKI 中看到过此选项），而且我不相信处理噪声的任何一种变体都是好的。您可以为每个变体恕我直言构建不需要的案例。您可能需要至少使用两种度量来评估噪声聚类。

在 mlr 包中无需重新采样进行调整（聚类）

Tuning without resampling in mlr package (clustering)

r

cluster-analysis

dbscan

mlr