머신러닝 : K-Means Clustering

K-Means Clustering은 Unsupervised Learning이다.

다음을 두개, 세개, 네개 그룹 등등 원하는 그룹으로 만들 수 있다.

또다시 중심에 직교하는 선을 긋고, 자신의 영역안에 있는 것들을 자신의 색으로 바꾼다.

 

 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

우선 필요한 라이브러리들을 import 해줍니다.

df=pd.read_csv('../data/Mall_Customers.csv')
df

데이터 프레임 확인, describe로 데이터 요약통계랑을 확인하고

df.isna().sum()

결측치 확인

X,y를 분리하여 셋팅하던 이전 포스팅 글들과는 다르게 언수퍼바이즈드 러닝은 y가 없기 때문에, X만 셋팅한다.

X=df.iloc[:,3:]

모델링 과정.

from sklearn.cluster import KMeans
wcss = [] # 빈 리스트 생성
for k in np.arange(1,10+1):
    kmeans=KMeans(n_clusters=k,random_state=5)
    kmeans.fit(X)
    wcss.append(kmeans.inertia_)

wcss (Within Clusters Sum of Squares)를 확인 해보면 아래 사진과 같다.

# 위의 각 클러스터의 갯수마다 구한
# WCSS값을, 차트로 나타내라. => 엘보우 메소드(Elbow Method)

x = np.arange(1,10+1)
plt.plot(x,wcss)
plt.title('The Elbow Method')
plt.xlabel('Number of Clusters')
plt.ylabel('WCSS')
plt.show()

kmeans = KMeans(n_clusters=5,random_state=5)
y_pred=kmeans.fit_predict(X)
df['Group']=y_pred
df

예측한 그룹을 df의 새로운 컬럼으로 만들고 df 를 확인해보면 아래 사진과 같다

import seaborn as sb
sb.scatterplot(data=df,x='Annual Income (k$)',y='Spending Score (1-100)')
plt.show()

seaborn의 scatterplot으로 차트를 확인해보면 아래 사진과 같다.

plt.figure(figsize=[12,8])
plt.scatter(X.values[y_pred == 0, 0], X.values[y_pred == 0, 1], s = 100, c = 'red', label = 'Cluster 1')
plt.scatter(X.values[y_pred == 1, 0], X.values[y_pred == 1, 1], s = 100, c = 'blue', label = 'Cluster 2')
plt.scatter(X.values[y_pred == 2, 0], X.values[y_pred == 2, 1], s = 100, c = 'green', label = 'Cluster 3')
plt.scatter(X.values[y_pred == 3, 0], X.values[y_pred == 3, 1], s = 100, c = 'cyan', label = 'Cluster 4')
plt.scatter(X.values[y_pred == 4, 0], X.values[y_pred == 4, 1], s = 100, c = 'magenta', label = 'Cluster 5')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s = 300, c = 'yellow', label = 'Centroids')
plt.title('Clusters of customers')
plt.xlabel('Annual Income (k$)')
plt.ylabel('Spending Score (1-100)')
plt.legend()
plt.show()

---

예제)

# 1. 그룹이 3인 사람들의 데이터를 가져오세요.

group_3=df.loc[df['Group'] == 3,]
group_3

# 2. 그룹이 3인 사람들의 수입 평균은 얼마입니까?

group_3['Annual Income (k$)'].mean()

#3 각 그룹별, 수입과 소비지표의 평균을 구하시오

 

1) groupby함수를 이용한 방법.

df.groupby('Group')[['Spending Score (1-100)','Annual Income (k$)']].agg([np.mean])

 

2) pivot_table을 이용한 방법.

pd.pivot_table(df,index='Group', aggfunc=np.mean,values=['Annual Income (k$)','Spending Score (1-100)'])