GitHub 블로그
유튜브 영상     깃허브 프로필

3 분 소요

[공지사항] 지킬블로그 안내드립니다.

지킬 블로그에 대하여 알아보겠습니다.

버튼입니다

클러스터링 연습

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# Load data
df = pd.read_csv('./sample_data/spiral2.csv')  # CSV 파일 경로
target = df['color'].to_numpy()  # 추후 예측치와 비교를 위한
df.drop('color', axis=1, inplace=True)
data = df.to_numpy()

print(data)
print(target)

# Determine the optimal number of clusters (Elbow method)
inertia = []
for k in range(1, 7):
    km = KMeans(n_clusters=k, n_init='auto', random_state=42)
    km.fit(data)
    inertia.append(km.inertia_)

plt.figure(figsize=(8, 5))
plt.plot(range(1, 7), inertia, marker='o')
plt.xlabel('Number of clusters (k)')
plt.ylabel('Inertia')
plt.title('Elbow Method for Determining Optimal k')
plt.show()

# Apply KMeans with the chosen number of clusters
km = KMeans(n_clusters=3, n_init='auto', random_state=42)
km.fit(data)
print(np.unique(km.labels_, return_counts=True))

# Plot the distribution of clusters
fig, axs = plt.subplots(1, 2, figsize=(16, 8))
axs[0].scatter(data[:, 0], data[:, 1], c=target, cmap='spring')
axs[0].set_title('Original Labels')

axs[1].scatter(data[:, 0], data[:, 1], c=km.labels_, cmap='inferno')
axs[1].set_title('KMeans Clusters')

plt.show()

코드 해석

넘파이 불러오기 하고 저장하는 코드 입니다.

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
  • import numpy as np: NumPy 라이브러리를 np라는 이름으로 불러옵니다. 수치 계산에 유용합니다.
  • import pandas as pd: Pandas 라이브러리를 pd라는 이름으로 불러옵니다. 데이터 처리를 위해 사용됩니다.
  • import matplotlib.pyplot as plt: Matplotlib의 pyplot 모듈을 plt라는 이름으로 불러옵니다. 시각화를 위해 사용됩니다.
  • from sklearn.cluster import KMeans: scikit-learn 라이브러리에서 KMeans 클래스를 불러옵니다. KMeans 클러스터링 알고리즘을 사용하기 위해 필요합니다.
# Load data
df = pd.read_csv('./sample_data/spiral2.csv')  # CSV 파일 경로
target = df['color'].to_numpy()  # 추후 예측치와 비교를 위한
df.drop('color', axis=1, inplace=True)
data = df.to_numpy()
  • df = pd.read_csv('./sample_data/spiral2.csv'): CSV 파일을 읽어와 Pandas DataFrame으로 저장합니다.
  • target = df['color'].to_numpy(): ‘color’ 열을 NumPy 배열로 변환하여 target 변수에 저장합니다. 나중에 예측 결과와 비교하기 위해 사용합니다.
  • df.drop('color', axis=1, inplace=True): DataFrame에서 ‘color’ 열을 제거합니다. axis=1은 열을 삭제함을 의미하며, inplace=True는 원래 DataFrame에 바로 적용함을 의미합니다.
  • data = df.to_numpy(): DataFrame을 NumPy 배열로 변환하여 data 변수에 저장합니다. KMeans 알고리즘에 입력하기 위해 필요합니다.
print(data)
print(target)
  • print(data): NumPy 배열로 변환된 데이터를 출력합니다.
  • print(target): 원래 ‘color’ 열을 출력합니다.
# Determine the optimal number of clusters (Elbow method)
inertia = []
for k in range(1, 7):
    km = KMeans(n_clusters=k, n_init='auto', random_state=42)
    km.fit(data)
    inertia.append(km.inertia_)

  • inertia = []: 클러스터 개수에 따른 관성 값을 저장할 빈 리스트를 생성합니다.

  • for k in range(1, 7)

    클러스터 개수를 1부터 6까지 반복합니다.

    • km = KMeans(n_clusters=k, n_init='auto', random_state=42): k개의 클러스터를 가지는 KMeans 객체를 생성합니다. n_init='auto'는 초기화 횟수를 자동으로 설정하며, random_state=42는 결과 재현을 위해 난수 시드를 고정합니다.
    • km.fit(data): 데이터를 사용해 KMeans 모델을 학습시킵니다.
    • inertia.append(km.inertia_): 학습된 KMeans 모델의 관성 값을 리스트에 추가합니다. 관성 값은 클러스터 내의 점들 사이의 거리를 측정합니다.
plt.figure(figsize=(8, 5))
plt.plot(range(1, 7), inertia, marker='o')
plt.xlabel('Number of clusters (k)')
plt.ylabel('Inertia')
plt.title('Elbow Method for Determining Optimal k')
plt.show()
  • plt.figure(figsize=(8, 5)): 8x5 인치 크기의 새로운 그림을 생성합니다.
  • plt.plot(range(1, 7), inertia, marker='o'): x축에 클러스터 개수(1~6), y축에 각 클러스터 개수에 따른 관성 값을 가지는 선 그래프를 그립니다. marker='o'는 각 데이터 포인트에 원형 마커를 추가합니다.
  • plt.xlabel('Number of clusters (k)'): x축에 레이블을 추가합니다.
  • plt.ylabel('Inertia'): y축에 레이블을 추가합니다.
  • plt.title('Elbow Method for Determining Optimal k'): 그래프에 제목을 추가합니다.
  • plt.show(): 그래프를 화면에 표시합니다.
# Apply KMeans with the chosen number of clusters
km = KMeans(n_clusters=3, n_init='auto', random_state=42)
km.fit(data)
print(np.unique(km.labels_, return_counts=True))
  • km = KMeans(n_clusters=3, n_init='auto', random_state=42): 3개의 클러스터를 가지는 KMeans 객체를 생성합니다.
  • km.fit(data): 데이터를 사용해 KMeans 모델을 학습시킵니다.
  • print(np.unique(km.labels_, return_counts=True)): KMeans 모델의 클러스터 레이블의 고유값과 각 레이블의 개수를 출력합니다.
# Plot the distribution of clusters
fig, axs = plt.subplots(1, 2, figsize=(16, 8))
axs[0].scatter(data[:, 0], data[:, 1], c=target, cmap='spring')
axs[0].set_title('Original Labels')

axs[1].scatter(data[:, 0], data[:, 1], c=km.labels_, cmap='inferno')
axs[1].set_title('KMeans Clusters')

plt.show()
  • fig, axs = plt.subplots(1, 2, figsize=(16, 8)): 1행 2열로 구성된 서브플롯을 생성합니다. 전체 그림의 크기는 16x8 인치입니다.
  • axs[0].scatter(data[:, 0], data[:, 1], c=target, cmap='spring'): 첫 번째 서브플롯에 원본 데이터의 산점도를 그립니다. c=target은 점들의 색상을 원본 레이블에 따라 설정하며, cmap='spring'은 색상 맵을 지정합니다.
  • axs[0].set_title('Original Labels'): 첫 번째 서브플롯에 제목을 추가합니다.
  • axs[1].scatter(data[:, 0], data[:, 1], c=km.labels_, cmap='inferno'): 두 번째 서브플롯에 KMeans 클러스터링 결과의 산점도를 그립니다. c=km.labels_는 점들의 색상을 클러스터 레이블에 따라 설정하며, cmap='inferno'은 색상 맵을 지정합니다.
  • axs[1].set_title('KMeans Clusters'): 두 번째 서브플롯에 제목을 추가합니다.
  • plt.show(): 전체 그림을 화면에 표시합니다.

댓글남기기

참고