csvデータセットをkmeans法を用いてクラスタリングしたい

Question

前提・実現したいこと

uciというデータセットを提供しているサイトからyeastのデータセットをcsvでダウンロードしました。

iris,wineデータなどラベルがあるデータセットはkmeans法を用いることができました。

発生している問題・エラーメッセージ

pandasでデータフレームを表示することはできたのですがその後のkmeans法へのアプローチ方法が分からず困っています。

ソースコード中のXに入れるものが何なのかがわかりません。

該当のソースコード

from matplotlib import pyplot as plt
from sklearn import datasets, preprocessing
from sklearn.cluster import KMeans
from sklearn.metrics import accuracy_score
import numpy as np
import pandas as pd
from sklearn.metrics import silhouette_samples
# datasetの読み込み
#data = datasets.load_iris()         # 1
#data = datasets.load_wine()         # 2
#data = datasets.load_breast_cancer()  # 3
# DataFrameに変換
#df = pd.DataFrame(data.data, columns=data.feature_names)  # 1 2 3 
df = pd.read_csv('C:/Users/shota/OneDrive/デスクトップ/yeast.csv',header=None)
print(df.head())

# データの整形
#X=df[["sepal length (cm)","petal width (cm)"]]
#X = df[["malic_acid","ash"]]
#X = df[["mean radius","mean texture"]]
X = df[[          ]]   # ここに何を入れればいいのかがわかりません
sc=preprocessing.StandardScaler()
sc.fit(X)
X_norm=sc.transform(X)
# クラスタリング
cls = KMeans(n_clusters=3)
result = cls.fit(X_norm)
# 結果を出力
plt.scatter(X_norm[:,0],X_norm[:,1], c=result.labels_)
plt.scatter(result.cluster_centers_[:,0],result.cluster_centers_[:,1],s=250, marker='*',c='red')
plt.title('VABC-Kmeans clustering')
plt.show()
# シルエット値の計算
from sklearn.metrics import silhouette_samples
result = cls.fit_predict(X_norm)
silhouette_vals = silhouette_samples(X_norm,result,metric = 'euclidean')
silhouette_avg = np.mean(silhouette_vals)


from sklearn.metrics import accuracy_score
print(data.target)
print(cls.labels_)
accuracy_score(data.target,cls.labels_)

# ラベルのリスト
cluster_labels = np.unique(result)
y_ax_lower, y_ax_upper = 0, 0
yticks = []
for i, c in enumerate(cluster_labels):
    c_silhouette_vals = silhouette_vals[result == c]
    c_silhouette_vals.sort()
    y_ax_upper += len(c_silhouette_vals)
    color = plt.cm.jet(float(i) / 2)
    plt.barh(range(y_ax_lower, y_ax_upper), c_silhouette_vals, height=1.0, 
             edgecolor='none', color=color)

    yticks.append((y_ax_lower + y_ax_upper) / 2.)
    y_ax_lower += len(c_silhouette_vals)

silhouette_avg = np.mean(silhouette_vals)
plt.axvline(silhouette_avg, color="red", linestyle="--")
    
plt.yticks(yticks, cluster_labels + 1)
plt.ylabel('Cluster')
plt.xlabel('Silhouette coefficient')

plt.tight_layout()
plt.show()
print(silhouette_avg)

from sklearn.metrics import classification_report
print(classification_report(data.target,cls.labels_))

from sklearn.metrics import confusion_matrix
confmat = confusion_matrix(data.target,cls.labels_)
fig,ax = plt.subplots(figsize=(2.5,2.5))
ax.matshow(confmat,cmap=plt.cm.Blues,alpha=0.3)
for i in range (confmat.shape[0]):
    for j in range (confmat.shape[1]):
        ax.text(x=j,y=i,s=confmat[i,j],va='center',ha='center')
plt.xlabel('predicted label')
plt.ylabel('true label')
plt.show

補足情報（FW/ツールのバージョンなど）

Python 3.7.4 jupter notebook

Comments

[plasticgrammer]

CSV項目から正解ラベルに直結するものを除いた、残りの項目を設定すればよいかと思います。
※文字項目の数値変換等は別途必要

回答としては曖昧なので、とりあえずこちらに記載します。

[teruterubozu]

ありがとうございます。
チャレンジしてみます！

[toast-uz]

チャレンジした結果を報告した上で、新たな回答を求めていただきたいです。

[teruterubozu]

了解しました。
新たに質問を作ります！