[머신러닝6] 데이터평균군집 알고리즘: K-means

 

unsupervised는 결과값을 정하는 supervised 머신러닝과 다르게 데이터를 군집(클러스팅)화 하여

자동으로 묶어주는 머신러닝을 의미한다  

k-means 알고리즘이란

데이터를 k개의 묶음을 정해 그거리의 평균을 내는 알고리즘을 뜻한다.

 

아직 군집이 정해지지 않은 데이터 무리들 사이에 임의점 점(좌표)를 찍고 그 좌표를 중심으로선을 나눠 집단을 형성

 

 

 

그리고 또다른 좌표를 찍고 다시 선을 그어 데이터가 나눠보면서 계속해서 이과정을 반복을한다.

이과정을 반복하다가 더이상 데이터의 변동이 일어나지 않을때 최적의 클러스팅을 찾은것

 

---

데이터는 수입별 구매점수를 의미

이데이터를 통해 여러 소비군집을 나누기

---

트레이닝 기본

1. nan확인

2.x와y분리

언수퍼 바이즈드 러닝은 결과값이 없기때문에 x데이터는 존재하지만 y데이터는 존재하지 않는다

 

3.문자열이 있다면 숫자로 바궈주기

4.피셔츠케일링을 통해 값 맞춰주기

5.트레이닝 / 테스트 셋으로 분리시키기

https://seonggongstory.tistory.com/66

[머신러닝0] 머신러닝의 기초(총정리)

---

모델링

from sklearn.cluster import KMeans

클러스터할 갯수를 정하기 전에 최적의 갯수를 정하기위해

 

 

wcss = []
for k in np.arange(1, n) :
    kmeans = KMeans(n_clusters= k, random_state=n)
    kmeans.fit(X)
    wcss.append( kmeans.inertia_ )

군집의 갯수가 3개와 5개 일때 wcss의 갯수가 확 차이가 난다

k의 갯수를 3개와 5개중에 선택

 

KMeans(n_clusters= n, random_state=n)

---

결과 확인

 

이렇게 나온 군집을 결과값으로 묶어서 데이터 프레임에 그룹으로 넣어주기

스캐터로 확인하면 군집이 보임

 

plt.figure(figsize=[12,8])
plt.scatter(X.values[y_pred == 0, 0], X.values[y_pred == 0, 1], s = 100, c = 'red', label = 'Cluster 1')
plt.scatter(X.values[y_pred == 1, 0], X.values[y_pred == 1, 1], s = 100, c = 'blue', label = 'Cluster 2')
plt.scatter(X.values[y_pred == 2, 0], X.values[y_pred == 2, 1], s = 100, c = 'green', label = 'Cluster 3')
plt.scatter(X.values[y_pred == 3, 0], X.values[y_pred == 3, 1], s = 100, c = 'cyan', label = 'Cluster 4')
plt.scatter(X.values[y_pred == 4, 0], X.values[y_pred == 4, 1], s = 100, c = 'magenta', label = 'Cluster 5')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s = 300, c = 'yellow', label = 'Centroids')
plt.title('Clusters of customers')
plt.xlabel('Annual Income (k$)')
plt.ylabel('Spending Score (1-100)')
plt.legend()
plt.show()

색깔을 통해 보는 군집

 

 

 

k-means 데이터를 k개의 묶음을 정해 그거리의 평균을 내는 알고리즘을 뜻한다. 언수퍼 바이즈드 러닝은 결과값이 없기때문에 x데이터는 존재하지만 y데이터는 존재하지 않는다 from sklearn.cluster import KMeans 엘보우 메소드 wcss = [] for k in np.arange(1, 10+1) :     kmeans = KMeans(n_clusters= k, random_state=5)     kmeans.fit(X)     wcss.append( kmeans.inertia_ ) plt확인 x = np.arange(1, 10+1) plt.plot( x, wcss ) plt.title('The Elbow Method') plt.xlabel('Number of Clusters') plt.ylabel('WCSS') plt.show() KMeans(n_clusters= 5, random_state=5) 스캐터 plt.figure(figsize=[12,8]) plt.scatter(X.values[y_pred == 0, 0], X.values[y_pred == 0, 1], s = 100, c = 'red', label = 'Cluster 1') plt.scatter(X.values[y_pred == 1, 0], X.values[y_pred == 1, 1], s = 100, c = 'blue', label = 'Cluster 2') plt.scatter(X.values[y_pred == 2, 0], X.values[y_pred == 2, 1], s = 100, c = 'green', label = 'Cluster 3') plt.scatter(X.values[y_pred == 3, 0], X.values[y_pred == 3, 1], s = 100, c = 'cyan', label = 'Cluster 4') plt.scatter(X.values[y_pred == 4, 0], X.values[y_pred == 4, 1], s = 100, c = 'magenta', label = 'Cluster 5') plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s = 300, c = 'yellow', label = 'Centroids') plt.title('Clusters of customers') plt.xlabel('Annual Income (k$)') plt.ylabel('Spending Score (1-100)') plt.legend() plt.show()