【AI・機械学習】k平均法(k-menas)によるモデル構築を解説｜Python活用の教師なしクラスタリング

import pandas as pd
df = pd.read_csv("sample_data.csv")

#クラスタリング軸（年収 vs マンション費用）
X = df.iloc[:, [3, 4]].values

#出力
print(df.tail())

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from matplotlib import rcParams
rcParams['font.family'] = 'sans-serif'
rcParams['font.sans-serif'] = 'Hiragino Maru Gothic Pro'

#クラスタリング軸（ 年収 vs マンション費用 ）
X = df.iloc[:, [3, 4]].values

#エルボー法
max_cluster = 15
SSE = []
for i in range(1,max_cluster):
    #インスタンス
    kmeans = KMeans(n_clusters = i,      #クラスタの個数
                    init = 'k-means++',  #k平均++法によりクラスタ中心を選択
                    n_init= 5,           #異なるセントロイドの初期値を用いたk平均法アルゴリズム実行回数
                    max_iter=350,        #k平均法アルゴリズム内部の最大イテレーション(サイクル繰り返し)回数
                    tol=1e-04,           #収束と判定できる相対的許容誤差
                    random_state = 42    #セントロイド初期化に際して、用いる乱数生成器の設定
                   ) 
    #演算
    kmeans.fit(X)
    #wcss値に変換＆リスト格納
    SSE.append(kmeans.inertia_)
    
#可視化
plt.plot(range(1,max_cluster), SSE)
plt.title('エルボー法による最適なクラスター数の調査')
plt.xlabel('クラスター数[個]')
plt.ylabel('SSE')
plt.show()

import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from matplotlib import rcParams
rcParams['font.family'] = 'sans-serif'
rcParams['font.sans-serif'] = 'Hiragino Maru Gothic Pro'
from matplotlib import cm

#クラスタリング軸（ 年収 vs マンション費用 ）
X = df.iloc[:, [3, 4]].values

#k-meansインスタンス
kmeans = KMeans(n_clusters = 3,      #クラスタの個数
                init = 'k-means++',  #k平均++法によりクラスタ中心を選択
                n_init= 5,           #異なるセントロイドの初期値を用いたk平均法アルゴリズム実行回数
                max_iter=350,        #k平均法アルゴリズム内部の最大サイクル繰り返し回数
                tol=1e-04,           #収束判定する相対的許容誤差
                random_state = 42    #セントロイド初期化に際して、用いる乱数シードを設定
               ) 

#演算
y_kmeans = kmeans.fit_predict(X)

#配列情報
cluster_labels = np.unique(y_kmeans)               #一意なクラスター要素
n_clusters = cluster_labels.shape[0]               #配列の長さ

#グラフ可視化
for i in range(len(cluster_labels)):
    color = cm.jet(float(i) / n_clusters)
    plt.scatter(X[y_kmeans == i, 0], X[y_kmeans == i, 1], s = 100, c = color, label = 'Cluster'+str(i))

plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s = 100, c = 'red', label = 'Centroids')
plt.title('顧客属性クラスター')
plt.xlabel('年収[万円]')
plt.ylabel('マンション費用[万円/月]')
plt.legend()
plt.show()

from sklearn.cluster import KMeans
#k-meansインスタンス
kmeans = KMeans(n_clusters = 3,      #クラスタの個数
                init = 'k-means++',  #k平均++法によりクラスタ中心を選択
                n_init= 5,           #異なるセントロイドの初期値を用いたk平均法アルゴリズム実行回数
                max_iter=350,        #k平均法アルゴリズム内部の最大サイクル繰り返し回数
                tol=1e-04,           #収束判定する相対的許容誤差
                random_state = 42    #セントロイド初期化に際して、用いる乱数シードを設定
               ) 

kmeans.get_params

# 出力結果
# <bound method BaseEstimator.get_params of KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=350,
#        n_clusters=3, n_init=5, n_jobs=None, precompute_distances='auto',
#        random_state=42, tol=0.0001, verbose=0)>

import numpy as np
from matplotlib import cm
from sklearn.metrics import silhouette_samples

#配列情報
cluster_labels = np.unique(y_kmeans)               #一意なクラスター要素
n_clusters = cluster_labels.shape[0]               #配列の長さ

#シルエット係数の計算
silhouette = silhouette_samples(X,y_kmeans, metric="euclidean")
axis_y_btm, axis_y_up = 0, 0
y_list = []

#シルエット係数・グラフデータ計算
for i,label in enumerate(cluster_labels):
    wd_silhouette = silhouette[y_kmeans == label]
    wd_silhouette.sort()
    axis_y_up += len(wd_silhouette)
    color = cm.jet(float(i) / n_clusters)                   #色
    
    #水平棒グラフ
    plt.barh(                                               
             range(axis_y_btm, axis_y_up),                  #底辺の範囲
             wd_silhouette,                                 #棒の幅
             height = 1.0,                                  #棒の高さ
             edgecolor = "none",                            #棒端の色
             color = color)                                 #棒の色                               
    
    #クラスラベルの表示位置追加
    y_list.append((axis_y_btm + axis_y_up) /2)  
    #底辺の値に棒の幅を追加
    axis_y_btm += len(wd_silhouette)                         
    
#シルエット係数の平均値
silhouette_mean = np.mean(silhouette) 
#可視化
plt.axvline(silhouette_mean, c="r", linestyle="--")         
plt.yticks(y_list, cluster_labels+1)
plt.ylabel("クラスター")
plt.xlabel("シルエット係数")
plt.tight_layout()
plt.show()