k-means クラスタリングの基礎

Pythonで学ぶクラスタ分析

Shaumik Daityari

Business Analyst

なぜ k-means か？

階層的クラスタリングの大きな欠点：実行時間
k-means は大規模データで大幅に高速

手順1: クラスタ中心の生成

kmeans(obs, k_or_guess, iter, thresh, check_finite)

obs: 標準化済みの観測値
k_or_guess: クラスタ数
iter: 反復回数（既定: 20）
thres: しきい値（既定: 1e-05）
check_finite: 有限値のみかを検査（既定: True）

戻り値: クラスタ中心、歪み

歪みはどう計算する？

手順2: クラスタラベルの生成

vq(obs, code_book, check_finite=True)

obs: 標準化済みの観測値
code_book: クラスタ中心
check_finite: 有限値のみかを検査（既定: True）

戻り値: クラスタラベルの配列、歪みの配列

歪みについての注意

kmeans は単一の歪みを返す
vq は歪みの配列を返す

k-means の実行

# Import kmeans and vq functions
from scipy.cluster.vq import kmeans, vq

# Generate cluster centers and labels
cluster_centers, _ = kmeans(df[['scaled_x', 'scaled_y']], 3)
df['cluster_labels'], _ = vq(df[['scaled_x', 'scaled_y']], cluster_centers)

# Plot clusters
sns.scatterplot(x='scaled_x', y='scaled_y', hue='cluster_labels', data=df)
plt.show()

次は演習です！

Pythonで学ぶクラスタ分析