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見つける
例：購入履歴から顧客を分類（クラスタリング）する
購買パターンを使ったデータの圧縮（次元削減）

教師あり学習と教師なし学習

教師あり学習は、予測タスクのためにパターンを見つける
例：腫瘍を、良性/悪性（ラベル）に分類する
教師なし学習はデータ内のパターンを見つける
ただし、特定の予測タスクに縛られない

アヤメに関するデータセット

アヤメに関するさまざまな測定値を格納
3種のアヤメ：
- setosa
- versicolor
- virginica
花弁の長さ、花弁の幅、がく片の長さ、がく片の幅（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

NumPyの二次元配列
列に測定項目（＝特徴量）
行に個々のアヤメの測定値（＝サンプル）が入る

アヤメのデータは4次元

アヤメのサンプルが4次元空間の点となる
次元＝特徴量の数
次元が高すぎて可視化できない
しかし、教師なし学習でデータの構造や傾向を把握できる

K平均法（k-means）クラスタリング

クラスターをサンプルの中から見つけ出す
クラスター数の指定が必須
sklearn（scikit-learn）で実装

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 ...]

新しいサンプルのクラスタラベル

新しいサンプルは既存のクラスタに割り当て可能
各クラスターに含まれるサンプルの平均値（セントロイド）を記憶する
新しいサンプル一つ一つに最も近いセントロイドを見つける

新しい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

がく片の長さと花弁の長さの散布図
各ポイントがサンプル1つを表す
クラスターラベルごとに色分けしている
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...