KMeans 비지도 학습 (ML, python, KMeans)

k-means clustering이란 이름에서 알 수 있듯이 주어진 데이터셋을 k개의 중심점을 기준으로 하여 그룹짓는 방법이다. 

KMeans(n_clusters=??) n_clusters 인자에 의해 몇개로 나뉠것인지 갯수를 정하게 됩니다. 

KMeans 예제는 데이터는 2개 이차원(x,y) 값이 주어지고 나누게 됩니다. 여기에서 입력으로 사용하게 되는 format은 dataframe형태이지만, list의 list형태로도 가능합니다.

https://github.com/donarts/sourcecode/blob/main/python/example/3_kmeans_random_1.py

#KMeans

from sklearn.cluster import KMeans

import matplotlib.pyplot as plt

import pandas as pd

import random

x = [random.randrange(1,100) for n in range(0,100)]

y = [random.randrange(1,100) for n in range(0,100)]

data = pd.DataFrame({"x":x,"y":y})

print(data)

'''

x y

0 32 1

1 49 99

2 78 21

.. .. ..

[100 rows x 2 columns]

'''

# 모델 만들기

model = KMeans(n_clusters=3)

# 학습

model.fit(data)

# predict

predictions = model.predict(data)

# 그림을 그리기 쉽게하기 학위해서 예측 결과를 dataframe으로 만들어서 붙이기

predict = pd.DataFrame(predictions)

predict.columns=['predict']

# concatenate labels to df as a new column

r = pd.concat([data,predict],axis=1)

print(r)

'''

x y predict

0 32 1 0

1 49 99 1

2 78 21 2

.. .. .. ...

[100 rows x 3 columns]

'''

# 그림 그리기

plt.scatter(r['x'],r['y'],c=r['predict'])

plt.show()

# 임의의 하나의 데이터 입력하여 예측, input one data

prediction = model.predict([[1,100]])

print(prediction)

'''

[1]

'''

결과

	Result
	x y
	0 5 50
	1 39 38
	2 20 98
	3 93 2
	4 16 6
	.. .. ..
	95 62 41
	96 76 73
	97 61 11
	98 97 27
	99 48 36
	[100 rows x 2 columns]
	x y predict
	0 5 50 2
	1 39 38 2
	2 20 98 1
	3 93 2 0
	4 16 6 2
	.. .. .. ...
	95 62 41 0
	96 76 73 1
	97 61 11 0
	98 97 27 0
	99 48 36 0
	[100 rows x 3 columns]
	[1]

비지도 학습이라고 불리는것은 것은 예제에서 x,y값은 주어지고 해당값이 어떤 그룹에 속하는지 미리 설정하지 않기 때문입니다.(label이 없음) 그러나 생각해보면 적당한 k값을 설정하지 않으면 원하는 결과를 얻을 수 없습니다.