계층적 클러스터링의 클러스터 레이블

Python으로 배우는 Unsupervised Learning

Benjamin Wilson

Director of Research at lateral.io

계층적 클러스터링의 클러스터 레이블

단순 시각화 도구가 아닙니다!
중간 단계의 클러스터 레이블도 복원 가능
예: 교차표 등에 활용

유로비전 계층적 클러스터링

중간 클러스터링과 덴드로그램 높이

예: 높이 15에서
- 불가리아·키프로스·그리스는 하나의 클러스터
- 러시아와 몰도바는 또 다른 클러스터
- 아르메니아는 단독 클러스터

높이 15의 수평선으로 확대된 클러스터

덴드로그램은 클러스터 간 거리를 보여줌

덴드로그램의 높이 = 병합되는 클러스터 간 거리
예: 키프로스-그리스만 있는 클러스터의 거리는 약 6

키프로스/그리스 클러스터가 강조된 확대도

덴드로그램은 클러스터 간 거리를 보여줌

덴드로그램의 높이 = 병합되는 클러스터 간 거리
예: 키프로스-그리스만 있는 클러스터의 거리는 약 6
이 새 클러스터는 불가리아 단독 클러스터와의 거리가 약 12

키프로스/그리스 클러스터와 키프로스/그리스/불가리아 클러스터가 강조된 확대도

중간 클러스터링과 덴드로그램 높이

덴드로그램의 높이 = 병합되는 클러스터 간 최대 거리
이보다 멀면 병합하지 않음(예: 15)

높이 15의 수평선으로 확대된 클러스터

클러스터 간 거리

"연결(linkage) 방법"으로 정의됨
"complete" 연결: 클러스터 간 거리는 두 샘플 간 최대 거리
매개변수로 지정, 예: linkage(samples, method="complete")
연결 방법이 달라지면 계층적 클러스터링도 달라짐!

클러스터 레이블 추출

fcluster() 함수를 사용
NumPy 배열 형태의 클러스터 레이블을 반환

높이 15의 수평선으로 확대된 클러스터

fcluster로 클러스터 레이블 추출

from scipy.cluster.hierarchy import linkage
mergings = linkage(samples, method='complete')
from scipy.cluster.hierarchy import fcluster

labels = fcluster(mergings, 15, criterion='distance')
print(labels)

[ 9  8 11 20  2  1 17 14 ... ]

국가명과 클러스터 레이블 정렬

문자열 리스트 country_names가 주어지면:

import pandas as pd
pairs = pd.DataFrame({'labels': labels, 'countries': country_names})
print(pairs.sort_values('labels'))

               countries  labels
5                Belarus       1
40               Ukraine       1
...
36                 Spain       5
8               Bulgaria       6
19                Greece       6
10                Cyprus       6
28               Moldova       7
...

연습해 봅시다!

Python으로 배우는 Unsupervised Learning