sklearn-13 clustering 1 kmeans

1. Kmeans

k는 클러스터의 수를 의미하며 means는 각 데이터로부터 그 데이터가 속한 클러스터의 중심까지의 평균 거리를 의미한다. 이 값을 최소화하는 것이 목표이다.

1. k개의 임의의 중심점을 잡는다.

2. 중심점을 기준으로 군집을 형성한다.

3. 군집으로 지정된 데이터를 기반으로 중심점을 업데이트한다.

4. 가장 좋은 중심점을 찾을 때까지 반복한다.

2. python

import numpy as np
import pandas as pd
import sklearn
import matplotlib.pyplot as plt

import warnings
warnings.filterwarnings('ignore')

import os
from os.path import join

from sklearn.datasets import load_wine
wine = load_wine()

필요한 모듈과 wine 데이터를 불러온다.

data = wine.data
label = wine.target
columns = wine.feature_names

data= pd.DataFrame(data, columns = columns)
data.head()

	alcohol	malic_acid	ash	alcalinity_of_ash	magnesium	total_phenols	flavanoids	nonflavanoid_phenols	proanthocyanins	color_intensity	hue	od280/od315_of_diluted_wines	proline
0	14.23	1.71	2.43	15.6	127.0	2.80	3.06	0.28	2.29	5.64	1.04	3.92	1065.0
1	13.20	1.78	2.14	11.2	100.0	2.65	2.76	0.26	1.28	4.38	1.05	3.40	1050.0
2	13.16	2.36	2.67	18.6	101.0	2.80	3.24	0.30	2.81	5.68	1.03	3.17	1185.0
3	14.37	1.95	2.50	16.8	113.0	3.85	3.49	0.24	2.18	7.80	0.86	3.45	1480.0
4	13.24	2.59	2.87	21.0	118.0	2.80	2.69	0.39	1.82	4.32	1.04	2.93	735.0

데이터 프레임을 만들고 헤드를 확인한다.

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
data = scaler.fit_transform(data)
data[:5]

array([[0.84210526, 0.1916996 , 0.57219251, 0.25773196, 0.61956522,
        0.62758621, 0.57383966, 0.28301887, 0.59305994, 0.37201365,
        0.45528455, 0.97069597, 0.56134094],
       [0.57105263, 0.2055336 , 0.4171123 , 0.03092784, 0.32608696,
        0.57586207, 0.51054852, 0.24528302, 0.27444795, 0.26450512,
        0.46341463, 0.78021978, 0.55064194],
       [0.56052632, 0.3201581 , 0.70053476, 0.41237113, 0.33695652,
        0.62758621, 0.61181435, 0.32075472, 0.75709779, 0.37542662,
        0.44715447, 0.6959707 , 0.64693295],
       [0.87894737, 0.23913043, 0.60962567, 0.31958763, 0.4673913 ,
        0.98965517, 0.66455696, 0.20754717, 0.55835962, 0.55631399,
        0.30894309, 0.7985348 , 0.85734665],
       [0.58157895, 0.36561265, 0.80748663, 0.53608247, 0.52173913,
        0.62758621, 0.49578059, 0.49056604, 0.44479495, 0.25938567,
        0.45528455, 0.60805861, 0.32596291]])

minmaxscaler를 이용해서 0-1 값으로 전처리한다. 슬라이스로 5개까지 확인한다.

from sklearn.decomposition import PCA
pca =PCA(n_components=2)#대부분의 경우 2차원으로 축소
data=pca.fit_transform(data)
data[:5]

array([[-0.70633576, -0.25319275],
       [-0.4849768 , -0.00882289],
       [-0.52117227, -0.18918722],
       [-0.82164366, -0.58090551],
       [-0.20254638, -0.05946657]])
       
data.shape
(178, 2)

차원을 2차원으로 축소한다. 데이터의 모양이 2차원으로 바뀐 것을 볼 수 있다.

from sklearn.cluster import KMeans
kmeans =KMeans(n_clusters=3)

kmeans.fit(data)


KMeans
KMeans(n_clusters=3)

kmeans 모듈을 불러오고 n_cluster를 3으로 설정하여 학습한다. n_cluster는 군집의 개수를 의미한다. 

cluster = kmeans.predict(data)
cluster

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 2, 1, 1, 1, 1,
       0, 1, 1, 1, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2], dtype=int32)

데이터를 예측하면 3개의 그룹으로 나뉜 것을 볼 수 있다.

plt.scatter(data[:,0],data[:,1], c=cluster,linewidth=1,edgecolor='black')

2차원이기 때문에 0번과 1번 데이터를 x축 y축으로 지정하고 군집별로 색깔로 나눈다.