質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.62%

Python 機械学習 クラスタリングについて

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 1,218

munekoda

score 22

「http://paiza.hatenablog.com/entry/2017/06/14/機械学習初心者向け、Pythonを使ってK-meansでクラスタリン」
の下の部分に乗っているソースコードをほぼそのまま打ち込んだものです。ですが、この状態で実行すると当然Xが宣言されていないためエラーが出ます。そこで、
cluster = km.fit_pridict(X)の部分のXには一体どういったものを入れればいいのかを教えてほしいです。

#coding: UTF-8

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

def t(n):
    data= make_blobs(n_samples = 1000,centers = 2,cluster_std = 2.3, random_state = 3)
    km = KMeans(n_clusters=2,init='random',n_init=1,max_iter=n,random_state=1)

    cluster = km.fit_predict(X)
    plt.scatter(data[cluster == 0, 0],data[cluster == 0, 1], c='red', marker='.', label='1')
    plt.scatter(data[cluster == 1, 0],data[cluster == 1, 1], c='black', marker='.', label='2')
    plt.scatter(km.cluster_centers_[:,0],km.cluster_centers_[:,1],marker='X',c='red',label='centroids')
    plt.legend()
    plt.grid()
    plt.show()

t(1)
t(3)
t(10)
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

+1

提示ページでの
data,cluster=make_blobs(n_samples=1000,centers=2,cluster_std=2.3, random_state=3)
によって、ダミーの点群データdataと、各点のクラスタ番号clusterが返されます。

k-meansによって、これと(だいたい)同じ結果を得たいので、提示コードでのXdataが妥当だと思います。このdataを元にk-meansで、妥当なクラスタを決定します。

以下にjupyter上での検証コードを示します。2つのコードはjupyter上で順番に実行する必要があります。

1.ダミーデータの生成と表示

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs

data,cluster=make_blobs(n_samples=1000,centers=2,cluster_std=2.3, random_state=3)

plt.scatter(data[:,0],data[:,1],c='black',marker='.',s=50)
plt.scatter(data[cluster==0,0],data[cluster==0,1],s=50,c='red',marker='.',label='1')
plt.scatter(data[cluster==1,0],data[cluster==1,1],s=50,c='black',marker='.',label='2')
plt.legend()
plt.grid()
plt.show()


イメージ説明

2.k-meansによるクラスタ学習と予測

from sklearn.cluster import KMeans

X = data # 点群データ

def t(n):
    km = KMeans(n_clusters=2,init='random',n_init=1,max_iter=n,random_state=1)

    # 学習
    cluster = km.fit_predict(X)

    plt.scatter(data[cluster == 0, 0],data[cluster == 0, 1], c='red', marker='.', label='1')
    plt.scatter(data[cluster == 1, 0],data[cluster == 1, 1], c='black', marker='.', label='2')
    plt.scatter(km.cluster_centers_[:,0],km.cluster_centers_[:,1],marker='X',c='blue',label='centroids')

    # 予測
    p_data = np.array([[-10,-5],[-5,10],[5,10],[0,-5]])
    p_cluster = km.predict(p_data)

    plt.scatter(p_data[p_cluster == 0, 0],p_data[p_cluster == 0, 1], c='red', marker='.', s=500)
    plt.scatter(p_data[p_cluster == 1, 0],p_data[p_cluster == 1, 1], c='black', marker='.', s=500)

    plt.legend()
    plt.grid()
    plt.show()

t(10)

イメージ説明

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/08/15 19:01

    回答ありがとうございました。あなたのおかげで解決しました。

    キャンセル

0

k-meansの最適なクラスター数を調べる方法を見た感じでは、 cluster = km.fit_predict(X)fit_predictは「各サンプルに対する、クラスタ番号を求める。」だそうですので、Xには適当なダミーデータがないと動かないのではないでしょうか?

上記サイトの、

Xには1つのプロットの(x,y)が、yにはそのプロットの所属するクラスター番号が入る

のあたりがダミーデータ生成コードだと思いますので、その辺を参考にされると解決できそうな気がします。


ちなみに私はk-meansをやったことがないです。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/08/13 22:31

    make_blobsがその「ダミーデータ生成コード」ですね!
    解決になってません、ごめんなさい。勉強しなおします。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.62%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる