python 勾配が落ち着く点の求め方

大学一年生です。授業でk-meansの最適なクラスター数を求めるために
エルボー法というものを教わりました。
各点と重心の距離を下図のようにプロットし、適切なクラスター数を求めるものらしいです。
これをみるとx = 5のあたりが一番勾配が落ち着いて良さそうなんですが、
pythonで勾配が落ち着き始める？という部分をデータとして発見するには(グラフを見るにではなく)どのようしたらいいのでしょうか。
大学数学も勉強中なのですが、微分を使えばいいのかもわからないレベルです。
体感的に学びたいのでコードも記載していただけると大変ありがたいです。

参考までに以下をコピペすれば上のような図が再現できると思います。

import matplotlib.pyplot as plt
dists = [180844.0,
 148735.71238484656,
 123478.75889737954,
 101680.34978588067,
 84412.52218746395,
 71046.36611856289,
 63059.341093499075,
 56036.34448908852,
 50804.367892576454,
 45700.67048684852,
 42188.56997734512,
 39560.01249011329,
 37254.55124686431,
 35001.7799667204,
 33146.850866701694,
 31262.564202145677,
 29779.546914082315,
 28132.689737583278,
 26941.96273499936]
plt.bar(range(1,20),dist)

行動規範の内容に同意します

回答2件

ヒューリスティック(発見的手法)であるというのは私も同意見です。
手法としては
0. 3次元なら、2次元を座標として1次元を色にして画像で見る。
0. いろいろな部分平面に射影して、残りの座標を色などで表して画像化して見る。
0. 経験を元に勘で決め、その前後をいくつかやってみる。
というのもあると思います。

以下は雑談なので、気にしないでください。

クラスタリングには正解があるとは限らない、と考えるのが正しいと思います。
クラスタリング結果をほとんどの人が受け入れるような問題もありますし、受け入れられなかった結果が何十年もして受け入れられることもあります。

問題は二つあります。
１　サンプルデータのどのような属性を測定するかを決めるときに主観が入る
２　クラスタリング結果を正しいかを決めるときに主観が入る

例えばコロナウイルスの感染者をクラスタリングしようとした場合、年齢や性別や既往症は調べていますが、身長や体重、食事の嗜好、居住地、家族構成、職業、収入等を調べたデータがあるかどうかは怪しいです。感染者のデータをクラスタリングしたとしても測定していない属性についてはクラスタリングのしようがありません。
そして、クラスタリング結果がどのようなものであれ、各国の政治家がそれを正しいかどうかを判断するときには主観がはいります。

学生が分析結果を教授に提出するときや、企業の従業員が分析結果を上司に提出するときも同じ事が置きます。

投稿2021/01/16 11:51

ppaul

総合スコア24670

ベストアンサー

適当な回数回して打ち切る
各点と重心の距離を適当な値で打ち切る
何回かに一回プロットしていい感じになったら打ち切る

なんかいい加減ですがマジです。エルボー法を始め最適化手法にはヒューリスティックな手法が存在します。ヒューリスティックとは「完全に定式化出来ないけどなんかそれっぽい答えが出るからこれでええやろ！」って感じのものを表すときに使います。エルボー法はそのヒューリスティックな手法の一つなので人間が見ていい感じだと思ったらそれでよいことにするのです。

そんなええかげんでええんか、と思うかもしれませんがこれが実際良く働きます。例えば地図アプリで経路探索するときを考えましょう。まともにルートを検索するとべらぼうに時間がかかります。というか解けるかすらわかりません（こういう問題を NP 困難とか NP 完全とか言ったりします）。そこで人間の経験知に基づいたり確率的な理論に基づくヒューリスティックな方法である程度正しかろう方向性を見つけます。その中で最適な解なら理論的にすばやく求められるので定式化できる理論を使う、なんてことをやっていたりします。

以下にヒューリスティックな手法の例を上げてみます。聞いたことのあるものもあるかもしれません。今後の学習のお役に立てば。