教師なし学習

Pythonで学ぶ教師なし学習

Benjamin Wilson

Director of Research at lateral.io

教師なし学習

教師なし学習はデータ内のパターンを発見
例：購買に基づく顧客のクラスタリング
購買パターンでデータを圧縮（次元削減）

教師あり vs 教師なし学習

教師あり学習は予測課題のためのパターンを学習
例：腫瘍を良性/悪性に分類（ラベル）
教師なし学習はデータ内のパターンを発見
ただし特定の予測課題は想定しない

Iris データセット

多数のアヤメの測定値
3種のアヤメ:
- setosa
- versicolor
- virginica
花弁長・花弁幅・がく片長・がく片幅（データセットの特徴量）

アヤメ

¹ https://scikit-learn.org/stable/modules/generated/sklearn.datasets.load_iris.html

配列、特徴量、サンプル

2次元 NumPy 配列
列＝測定値（特徴量）
行＝アヤメ（サンプル）

アヤメデータは4次元

アヤメのサンプルは4次元空間の点
次元＝特徴量の数
次元が高くて可視化不可
しかし教師なし学習で洞察を得る

k-means クラスタリング

サンプルのクラスタを発見
クラスタ数は指定が必要
sklearn（scikit-learn）に実装

print(samples)

[[ 5.   3.3  1.4  0.2]
 [ 5.   3.5  1.3  0.3]
 ...
 [ 7.2  3.2  6.   1.8]]

from sklearn.cluster import KMeans

model = KMeans(n_clusters=3)

model.fit(samples)

KMeans(n_clusters=3)

labels = model.predict(samples)

print(labels)

[0 0 1 1 0 1 2 1 0 1 ...]

新規サンプルのクラスタラベル

新規サンプルを既存クラスタに割り当て可能
k-means は各クラスタの平均（セントロイド）を保持
新規サンプルに最も近いセントロイドを見つける

新規サンプルのクラスタラベル

print(new_samples)

[[ 5.7  4.4  1.5  0.4]
 [ 6.5  3.   5.5  1.8]
 [ 5.8  2.7  5.1  1.9]]

new_labels = model.predict(new_samples)

print(new_labels)

[0 2 1]

散布図

がく片長 vs 花弁長の散布図
各点はアヤメのサンプル
クラスタラベルで色分け
PyPlot（matplotlib.pyplot）

散布図

散布図

import matplotlib.pyplot as plt

xs = samples[:,0]
ys = samples[:,2]

plt.scatter(xs, ys, c=labels)

plt.show()

練習しましょう！

Pythonで学ぶ教師なし学習

Preparing Video For Download...