Python 機械学習クラスタリングについて

「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)

行動規範の内容に同意します

回答2件

ベストアンサー

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Xはdata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

Python
1import pandas as pd
2import numpy as np
3import matplotlib.pyplot as plt
4from sklearn.datasets import make_blobs
5
6data,cluster=make_blobs(n_samples=1000,centers=2,cluster_std=2.3, random_state=3)
7
8plt.scatter(data[:,0],data[:,1],c='black',marker='.',s=50)
9plt.scatter(data[cluster==0,0],data[cluster==0,1],s=50,c='red',marker='.',label='1')
10plt.scatter(data[cluster==1,0],data[cluster==1,1],s=50,c='black',marker='.',label='2')
11plt.legend()
12plt.grid()
13plt.show()

2.k-meansによるクラスタ学習と予測

Python
1from sklearn.cluster import KMeans
2
3X = data # 点群データ
4
5def t(n):
6    km = KMeans(n_clusters=2,init='random',n_init=1,max_iter=n,random_state=1)
7
8    # 学習
9    cluster = km.fit_predict(X)
10    
11    plt.scatter(data[cluster == 0, 0],data[cluster == 0, 1], c='red', marker='.', label='1')
12    plt.scatter(data[cluster == 1, 0],data[cluster == 1, 1], c='black', marker='.', label='2')
13    plt.scatter(km.cluster_centers_[:,0],km.cluster_centers_[:,1],marker='X',c='blue',label='centroids')
14
15    # 予測
16    p_data = np.array([[-10,-5],[-5,10],[5,10],[0,-5]])
17    p_cluster = km.predict(p_data)
18
19    plt.scatter(p_data[p_cluster == 0, 0],p_data[p_cluster == 0, 1], c='red', marker='.', s=500)
20    plt.scatter(p_data[p_cluster == 1, 0],p_data[p_cluster == 1, 1], c='black', marker='.', s=500)
21    
22    plt.legend()
23    plt.grid()
24    plt.show()
25
26t(10)