[Python 머신러닝] 07-1 K-평균 알고리즘 이해
군집화
K-평균 알고리즘 이해
군집화(Clustering)
데이터 포인트들을 별개의 군집으로 그룹화 하는 것을 의미한다.
유사성이 높은 데이터들을 동일한 그룹으로 분류하고 서로 다른 군집들이 상이성을 가지도록 그룹화 한다.
군집화 활용 분야
- 고객, 마켓, 브랜드, 사회 경제 활동 세분화(Segmetataion)
- Image 검출, 세분화, 트랙킹
- 이상 검출(Abnomaly detection)
군집화 알고리즘
- K-Means
- Mean Shift
- Gaussian Mixture Model
- DBSCAN
K-Means Clustering
군집 중심점(Centroid) 기반 클러스터링
2개의 군집 중심점 설정 -> 각 데이터들은 가장 가까운 중심점에 소속 -> 중심점에 할당된 데이터들의 평균 중심으로 중심점 이동 -> 각 데이터들은 이동된 중심점을 기준으로 가장 가까운 중심점에 소속 -> 다시 중심점에 할당된 데이터들의 평균 중심으로 중심점 이동
중심점을 이동하였지만 데이터들의 중심점 소속 변경이 없으면 군집화 완료
K-Means의 장점과 단점
- 장점
- 일반적인 군집화에서 가장 많이 활용되는 알고리즘이다.
- 알고리즘이 쉽고 간결하다.
- 대용량 데이터에도 활용이 가능하다.
- 단점
- 거리 기반 알고리즘으로 속성의 개수가 매우 많을 경우 군집화 정확도가 떨어진다. (이를 위해 PCA로 차원 축소를 적용해야 할 수도 있다.)
- 반복을 수행하는데 반복 횟수가 많을 경우 수행 시간이 느려진다.
- 이상치(Outlier) 데이터에 취약하다.
사이킷런 KMeans 클래스 소개
사이킷런 KMeans 클래스
사이킷런 패키지는 K-평균을 구현하기 위해 KMeans 클래스를 제공한다.
KMeans 클래스는 다음과 같은 초기화 파라미터를 가지고 있다.
class sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs=1, algorithm='auto')
K-평균을 이용한 붓꽃 데이터 세트 군집화
<실습>
from sklearn.preprocessing import scale
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
%matplotlib inline
iris = load_iris()
print('target name:', iris.target_names)
# 보다 편리한 데이터 Handling을 위해 DataFrame으로 변환
irisDF = pd.DataFrame(data=iris.data, columns=['sepal_length','sepal_width','petal_length','petal_width'])
irisDF.head(3)
target name: ['setosa' 'versicolor' 'virginica']
| sepal_length | sepal_width | petal_length | petal_width | |
|---|---|---|---|---|
| 0 | 5.1 | 3.5 | 1.4 | 0.2 |
| 1 | 4.9 | 3.0 | 1.4 | 0.2 |
| 2 | 4.7 | 3.2 | 1.3 | 0.2 |
KMeans 객체를 생성하고 군집화 수행
- labels_ 속성을 통해 각 데이터 포인트별로 할당된 군집 중심점(Centroid)확인
- fit_predict(), fit_transform() 수행 결과 확인.
kmeans = KMeans(n_clusters=3, init='k-means++', max_iter=300,random_state=0)
kmeans.fit(irisDF)
KMeans(n_clusters=3, random_state=0)
print(kmeans.labels_)
[1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 2 2 2 2 0 2 2 2 2
2 2 0 0 2 2 2 2 0 2 0 2 0 2 2 0 0 2 2 2 2 2 0 2 2 2 2 0 2 2 2 0 2 2 2 0 2
2 0]
kmeans.fit_predict(irisDF)
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 2, 2, 2, 2, 0, 2, 2, 2,
2, 2, 2, 0, 0, 2, 2, 2, 2, 0, 2, 0, 2, 0, 2, 2, 0, 0, 2, 2, 2, 2,
2, 0, 2, 2, 2, 2, 0, 2, 2, 2, 0, 2, 2, 2, 0, 2, 2, 0])
kmeans.fit_transform(irisDF)
array([[3.41925061, 0.14135063, 5.0595416 ],
[3.39857426, 0.44763825, 5.11494335],
[3.56935666, 0.4171091 , 5.27935534],
[3.42240962, 0.52533799, 5.15358977],
[3.46726403, 0.18862662, 5.10433388],
[3.14673162, 0.67703767, 4.68148797],
[3.51650264, 0.4151867 , 5.21147652],
[3.33654987, 0.06618157, 5.00252706],
[3.57233779, 0.80745278, 5.32798107],
[3.3583767 , 0.37627118, 5.06790865],
[3.32449131, 0.4824728 , 4.89806763],
[3.31126872, 0.25373214, 4.9966845 ],
[3.46661272, 0.50077939, 5.19103612],
[3.90578362, 0.91322505, 5.65173594],
[3.646649 , 1.01409073, 5.10804455],
[3.49427881, 1.20481534, 4.88564095],
[3.495248 , 0.6542018 , 5.03090587],
[3.38444981, 0.1441527 , 5.02342022],
[3.11245944, 0.82436642, 4.61792995],
[3.37738931, 0.38933276, 4.97213426],
[3.07471224, 0.46344363, 4.6955761 ],
[3.31506588, 0.3286031 , 4.9236821 ],
[3.93167253, 0.64029681, 5.59713396],
[3.01233762, 0.38259639, 4.68193765],
[3.06241269, 0.48701129, 4.75095704],
[3.19414543, 0.45208406, 4.90772894],
[3.17967089, 0.20875823, 4.84545508],
[3.30941724, 0.21536016, 4.93969029],
[3.37648183, 0.21066561, 5.01833618],
[3.31272968, 0.40838707, 5.02954567],
[3.26550651, 0.41373905, 4.98608729],
[3.18083736, 0.42565244, 4.79550372],
[3.53142353, 0.71552778, 5.06520776],
[3.57102821, 0.91977171, 5.04438334],
[3.31992769, 0.34982853, 5.02985959],
[3.56904033, 0.35039977, 5.25071556],
[3.43783276, 0.52685861, 5.02368214],
[3.53114948, 0.25686572, 5.17865184],
[3.66205264, 0.76077592, 5.40750095],
[3.31092773, 0.11480418, 4.9664149 ],
[3.49764675, 0.18541845, 5.14520862],
[3.60850034, 1.24803045, 5.38423754],
[3.68120561, 0.6690142 , 5.40847417],
[3.14278239, 0.38675574, 4.78803478],
[3.00585191, 0.60231221, 4.59828494],
[3.39468045, 0.48205809, 5.11844067],
[3.32788568, 0.41034132, 4.92421655],
[3.51879523, 0.47199576, 5.23766854],
[3.34104251, 0.40494444, 4.92859681],
[3.40601705, 0.14959947, 5.08216833],
[1.22697525, 3.98049997, 1.25489071],
[0.684141 , 3.57731464, 1.44477759],
[1.17527644, 4.13366423, 1.01903626],
[0.73153652, 3.01144152, 2.45978458],
[0.63853451, 3.74779669, 1.3520017 ],
[0.26937898, 3.34908644, 1.88009327],
[0.76452634, 3.74283048, 1.28902785],
[1.58388575, 2.23937045, 3.37155487],
[0.75582717, 3.71181627, 1.41123804],
[0.85984838, 2.8005678 , 2.58955659],
[1.53611907, 2.60022691, 3.27864111],
[0.32426175, 3.17042268, 1.90055758],
[0.80841374, 3.08317693, 2.38073698],
[0.39674141, 3.64581678, 1.45909603],
[0.87269542, 2.51268382, 2.60303733],
[0.87306498, 3.59732957, 1.50822767],
[0.41229163, 3.36719171, 1.85387593],
[0.53579956, 2.94753796, 2.25517257],
[0.6367639 , 3.70615434, 1.74778451],
[0.71254917, 2.80841236, 2.49557781],
[0.7093731 , 3.79583719, 1.37094403],
[0.46349013, 3.02383531, 2.06563694],
[0.69373966, 3.99098735, 1.29106776],
[0.43661144, 3.60360653, 1.57547425],
[0.54593856, 3.37448959, 1.70495043],
[0.74313017, 3.56196294, 1.52298639],
[0.98798453, 4.01083283, 1.18965415],
[1.06739835, 4.20528001, 0.84636259],
[0.21993519, 3.47401497, 1.61913335],
[1.0243726 , 2.42676328, 2.77868071],
[0.86396528, 2.73795179, 2.6440625 ],
[0.97566381, 2.62259032, 2.75566654],
[0.55763082, 2.83096803, 2.32254696],
[0.73395781, 4.07263797, 1.22324554],
[0.57500396, 3.33772078, 1.9942056 ],
[0.68790275, 3.47153856, 1.61049622],
[0.92700552, 3.87741924, 1.19803047],
[0.61459444, 3.56224367, 1.81572464],
[0.50830256, 2.93359506, 2.20430516],
[0.6291191 , 2.94237659, 2.40438484],
[0.48790256, 3.23598208, 2.14635877],
[0.38266958, 3.5438369 , 1.52402278],
[0.49185351, 2.94407541, 2.26286106],
[1.5485635 , 2.28455247, 3.33648305],
[0.3856087 , 3.08064604, 2.16211718],
[0.44284695, 3.01190637, 2.11299567],
[0.3449879 , 3.0607156 , 2.07973003],
[0.37241653, 3.29690461, 1.76829182],
[1.66064034, 1.99117553, 3.44291999],
[0.38393196, 2.99098312, 2.16527941],
[2.0445799 , 5.23113563, 0.77731871],
[0.85382472, 4.13898297, 1.29757391],
[2.05245342, 5.26319105, 0.30610139],
[1.33089245, 4.63585807, 0.65293923],
[1.72813078, 5.00515534, 0.38458885],
[2.87401886, 6.06204421, 1.14225684],
[1.07101875, 3.49513662, 2.4108337 ],
[2.39730707, 5.6002125 , 0.78573677],
[1.67668563, 4.9963967 , 0.65454939],
[2.54158648, 5.60667281, 0.8435596 ],
[1.17541367, 4.31225927, 0.74552218],
[1.13563278, 4.46533089, 0.75289837],
[1.59322675, 4.81086063, 0.25958095],
[0.88917352, 4.11543193, 1.48572618],
[1.20227628, 4.34736472, 1.30303821],
[1.42273608, 4.57650303, 0.68288333],
[1.33403966, 4.59734489, 0.50991553],
[3.20105585, 6.21697515, 1.47791217],
[3.20759942, 6.46018421, 1.52971038],
[0.82617494, 4.07258886, 1.53708992],
[1.91251832, 5.08121836, 0.26952816],
[0.81891975, 3.95519658, 1.5334904 ],
[2.9794431 , 6.17779734, 1.31149299],
[0.74269596, 4.05452587, 1.10668455],
[1.75847731, 4.92787784, 0.27627819],
[2.14580999, 5.27958142, 0.52766931],
[0.62526165, 3.92137476, 1.20765678],
[0.70228926, 3.95155412, 1.16212743],
[1.4663925 , 4.78518338, 0.54629196],
[1.93773659, 5.06442297, 0.59428255],
[2.31885342, 5.51111422, 0.7312665 ],
[3.07340053, 5.99783127, 1.43802246],
[1.51444141, 4.8248088 , 0.5605572 ],
[0.81536685, 4.10808715, 1.05631592],
[1.23209127, 4.50967626, 1.12133058],
[2.6381171 , 5.75940796, 0.95311851],
[1.72401927, 4.84127876, 0.73306362],
[1.31541133, 4.557541 , 0.57903109],
[0.61011676, 3.83775716, 1.29960041],
[1.60532899, 4.7581488 , 0.34794609],
[1.77481954, 4.97393004, 0.3893492 ],
[1.53937059, 4.59878027, 0.68403844],
[0.85382472, 4.13898297, 1.29757391],
[2.00764279, 5.21394093, 0.30952112],
[1.94554509, 5.09187392, 0.50939919],
[1.44957743, 4.60916261, 0.61173881],
[0.89747884, 4.21767471, 1.10072376],
[1.17993324, 4.41184542, 0.65334214],
[1.50889317, 4.59925864, 0.83572418],
[0.83452741, 4.0782815 , 1.1805499 ]])
군집화 결과를 irisDF에 ‘cluster’ 컬럼으로 추가하고 target 값과 결과 비교
iris.target, iris.target_names
(array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2]),
array(['setosa', 'versicolor', 'virginica'], dtype='<U10'))
irisDF['target'] = iris.target
irisDF['cluster']=kmeans.labels_
irisDF.head(10)
| sepal_length | sepal_width | petal_length | petal_width | target | cluster | |
|---|---|---|---|---|---|---|
| 0 | 5.1 | 3.5 | 1.4 | 0.2 | 0 | 1 |
| 1 | 4.9 | 3.0 | 1.4 | 0.2 | 0 | 1 |
| 2 | 4.7 | 3.2 | 1.3 | 0.2 | 0 | 1 |
| 3 | 4.6 | 3.1 | 1.5 | 0.2 | 0 | 1 |
| 4 | 5.0 | 3.6 | 1.4 | 0.2 | 0 | 1 |
| 5 | 5.4 | 3.9 | 1.7 | 0.4 | 0 | 1 |
| 6 | 4.6 | 3.4 | 1.4 | 0.3 | 0 | 1 |
| 7 | 5.0 | 3.4 | 1.5 | 0.2 | 0 | 1 |
| 8 | 4.4 | 2.9 | 1.4 | 0.2 | 0 | 1 |
| 9 | 4.9 | 3.1 | 1.5 | 0.1 | 0 | 1 |
irisDF['target'] = iris.target
irisDF['cluster']=kmeans.labels_
iris_result = irisDF.groupby(['target','cluster'])['sepal_length'].count()
print(iris_result)
target cluster
0 1 50
1 0 48
2 2
2 0 14
2 36
Name: sepal_length, dtype: int64
-> setosa: cluster 1에 50개 모두 맵핑
versicolor: cluster 0에 48개, cluster 2에 2개 맵핑
virginica: cluster 0에 14개, cluster 2에 36개 맵핑
2차원 평면에 데이터 포인트별로 군집화된 결과를 나타내기 위해 2차원 PCA값으로 각 데이터 차원축소
from sklearn.decomposition import PCA
pca = PCA(n_components=2)
pca_transformed = pca.fit_transform(iris.data)
irisDF['pca_x'] = pca_transformed[:,0]
irisDF['pca_y'] = pca_transformed[:,1]
irisDF.head(3)
| sepal_length | sepal_width | petal_length | petal_width | target | cluster | pca_x | pca_y | |
|---|---|---|---|---|---|---|---|---|
| 0 | 5.1 | 3.5 | 1.4 | 0.2 | 0 | 1 | -2.684126 | 0.319397 |
| 1 | 4.9 | 3.0 | 1.4 | 0.2 | 0 | 1 | -2.714142 | -0.177001 |
| 2 | 4.7 | 3.2 | 1.3 | 0.2 | 0 | 1 | -2.888991 | -0.144949 |
irisDF.head(10)
| sepal_length | sepal_width | petal_length | petal_width | target | cluster | pca_x | pca_y | |
|---|---|---|---|---|---|---|---|---|
| 0 | 5.1 | 3.5 | 1.4 | 0.2 | 0 | 1 | -2.684126 | 0.319397 |
| 1 | 4.9 | 3.0 | 1.4 | 0.2 | 0 | 1 | -2.714142 | -0.177001 |
| 2 | 4.7 | 3.2 | 1.3 | 0.2 | 0 | 1 | -2.888991 | -0.144949 |
| 3 | 4.6 | 3.1 | 1.5 | 0.2 | 0 | 1 | -2.745343 | -0.318299 |
| 4 | 5.0 | 3.6 | 1.4 | 0.2 | 0 | 1 | -2.728717 | 0.326755 |
| 5 | 5.4 | 3.9 | 1.7 | 0.4 | 0 | 1 | -2.280860 | 0.741330 |
| 6 | 4.6 | 3.4 | 1.4 | 0.3 | 0 | 1 | -2.820538 | -0.089461 |
| 7 | 5.0 | 3.4 | 1.5 | 0.2 | 0 | 1 | -2.626145 | 0.163385 |
| 8 | 4.4 | 2.9 | 1.4 | 0.2 | 0 | 1 | -2.886383 | -0.578312 |
| 9 | 4.9 | 3.1 | 1.5 | 0.1 | 0 | 1 | -2.672756 | -0.113774 |
# cluster 값이 0, 1, 2 인 경우마다 별도의 Index로 추출
marker0_ind = irisDF[irisDF['cluster']==0].index
marker1_ind = irisDF[irisDF['cluster']==1].index
marker2_ind = irisDF[irisDF['cluster']==2].index
# cluster값 0, 1, 2에 해당하는 Index로 각 cluster 레벨의 pca_x, pca_y 값 추출. o, s, ^ 로 marker 표시
plt.scatter(x=irisDF.loc[marker0_ind,'pca_x'], y=irisDF.loc[marker0_ind,'pca_y'], marker='o')
plt.scatter(x=irisDF.loc[marker1_ind,'pca_x'], y=irisDF.loc[marker1_ind,'pca_y'], marker='s')
plt.scatter(x=irisDF.loc[marker2_ind,'pca_x'], y=irisDF.loc[marker2_ind,'pca_y'], marker='^')
plt.xlabel('PCA 1')
plt.ylabel('PCA 2')
plt.title('3 Clusters Visualization by 2 PCA Components')
plt.show()
plt.scatter(x=irisDF.loc[:, 'pca_x'], y=irisDF.loc[:, 'pca_y'], c=irisDF['cluster'])
<matplotlib.collections.PathCollection at 0x256d2570fd0>
군집화 알고리즘 테스트를 위한 데이터 생성
<실습>
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
%matplotlib inline
X, y = make_blobs(n_samples=200, n_features=2, centers=3, cluster_std=0.8, random_state=0)
print(X.shape, y.shape)
# y target 값의 분포를 확인
unique, counts = np.unique(y, return_counts=True)
print(unique,counts)
(200, 2) (200,)
[0 1 2] [67 67 66]
-
n_samples: 생성할 총 데이터의 개수입니다. 디폴트는 100개입니다.
-
n_features: 데이터의 피처 개수입니다. 시각화를 목표로 할 경우 2개로 설정해 보통 첫 번째 피처는 x 좌표, 두 번째 피처 는 y 좌표상에 표현합니다.
-
centers: int 값, 예를 들어 3으로 설정하면 군집의 개수를 나타냅니다. 그렇지 않고 ndarray 형태로 표현할 경우 개별 군 집 중심점의 좌표를 의미합니다.
-
cluster_std: 생성될 군집 데이터의 표준 편차를 의미합니다. 만일 float 값 0.8과 같은 형태로 지정하면 군집 내에서 데이 터가 표준편차 0.8을 가진 값으로 만들어집니다.
[0.8, 1,2, 0.6]과 같은 형태로 표현되면 3개의 군집에서 첫 번째 군집 내 데이터의 표준편차는 0.8, 두 번째 군집 내 데이터의 표준 편차는 1.2, 세 번째 군집 내 데이터의 표준편차는 0.6으로 만듭 니다.
군집별로 서로 다른 표준 편차를 가진 데이터 세트를 만들 때 사용합니다
import pandas as pd
clusterDF = pd.DataFrame(data=X, columns=['ftr1', 'ftr2'])
clusterDF['target'] = y
clusterDF.head(10)
| ftr1 | ftr2 | target | |
|---|---|---|---|
| 0 | -1.692427 | 3.622025 | 2 |
| 1 | 0.697940 | 4.428867 | 0 |
| 2 | 1.100228 | 4.606317 | 0 |
| 3 | -1.448724 | 3.384245 | 2 |
| 4 | 1.214861 | 5.364896 | 0 |
| 5 | -0.908302 | 1.970778 | 2 |
| 6 | 2.472119 | 0.437033 | 1 |
| 7 | 1.656842 | 2.441289 | 1 |
| 8 | 1.077800 | 4.625379 | 0 |
| 9 | -1.679427 | 2.602003 | 2 |
make_blob()으로 만들어진 데이터 포인트들을 시각화
target_list = np.unique(y)
# 각 target별 scatter plot 의 marker 값들.
markers=['o', 's', '^', 'P','D','H','x']
# 3개의 cluster 영역으로 구분한 데이터 셋을 생성했으므로 target_list는 [0,1,2]
# target==0, target==1, target==2 로 scatter plot을 marker별로 생성.
for target in target_list:
target_cluster = clusterDF[clusterDF['target']==target]
plt.scatter(x=target_cluster['ftr1'], y=target_cluster['ftr2'], edgecolor='k', marker=markers[target] )
plt.show()
target_list = np.unique(y)
plt.scatter(x=clusterDF['ftr1'], y=clusterDF['ftr2'], edgecolor='k', c=y )
<matplotlib.collections.PathCollection at 0x256d32e3a60>
clusterDF
| ftr1 | ftr2 | target | kmeans_label | |
|---|---|---|---|---|
| 0 | -1.692427 | 3.622025 | 2 | 1 |
| 1 | 0.697940 | 4.428867 | 0 | 0 |
| 2 | 1.100228 | 4.606317 | 0 | 0 |
| 3 | -1.448724 | 3.384245 | 2 | 1 |
| 4 | 1.214861 | 5.364896 | 0 | 0 |
| ... | ... | ... | ... | ... |
| 195 | 2.956576 | 0.033718 | 1 | 2 |
| 196 | -2.074113 | 4.245523 | 2 | 1 |
| 197 | 2.783411 | 1.151438 | 1 | 2 |
| 198 | 1.226724 | 3.620511 | 0 | 0 |
| 199 | 1.474790 | -0.209028 | 1 | 2 |
200 rows × 4 columns
K-Means 클러스터링을 수행하고 개별 클러스터의 중심 위치를 시각화
kmeans.cluster_centers_
array([[ 0.990103 , 4.44666506],
[-1.70636483, 2.92759224],
[ 1.95763312, 0.81041752]])
# KMeans 객체를 이용하여 X 데이터를 K-Means 클러스터링 수행
kmeans = KMeans(n_clusters=3, init='k-means++', max_iter=200, random_state=0)
cluster_labels = kmeans.fit_predict(X)
clusterDF['kmeans_label'] = cluster_labels
#cluster_centers_ 는 개별 클러스터의 중심 위치 좌표 시각화를 위해 추출
centers = kmeans.cluster_centers_
unique_labels = np.unique(cluster_labels)
markers=['o', 's', '^', 'P','D','H','x']
# 군집된 label 유형별로 iteration 하면서 marker 별로 scatter plot 수행.
for label in unique_labels:
label_cluster = clusterDF[clusterDF['kmeans_label']==label]
plt.scatter(x=label_cluster['ftr1'], y=label_cluster['ftr2'], edgecolor='k',
marker=markers[label] )
center_x_y = centers[label]
# 군집별 중심 위치 좌표 시각화
plt.scatter(x=center_x_y[0], y=center_x_y[1], s=200, color='white',
alpha=0.9, edgecolor='k', marker=markers[label])
plt.scatter(x=center_x_y[0], y=center_x_y[1], s=70, color='k', edgecolor='k',
marker='$%d$' % label)
plt.show()
target_list = np.unique(y)
plt.scatter(x=clusterDF['ftr1'], y=clusterDF['ftr2'], edgecolor='k', c=y )
<matplotlib.collections.PathCollection at 0x256d3463ca0>
kmeans.cluster_centers_
array([[ 0.990103 , 4.44666506],
[-1.70636483, 2.92759224],
[ 1.95763312, 0.81041752]])
print(clusterDF.groupby('target')['kmeans_label'].value_counts())
target kmeans_label
0 0 66
1 1
1 2 67
2 1 65
2 1
Name: kmeans_label, dtype: int64