[머신러닝] K-Means Clustering - 물고기 데이터셋

2022.07.15 - [Studying/Machine Learning] - [머신러닝] K-Means Clustering 정리

[머신러닝] K-Means Clustering 정리

위의 글에 이어 실제 물고기의 길이, 무게 데이터로 물고기 종류를 clustering 해보겠다.

---

Load Data

 

먼저 필요한 패키지를 가져오고 data를 가져오겠다.

 

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

data = 'https://raw.githubusercontent.com/satishgunjal/datasets/master/Fish.csv'

df = pd.read_csv(data)

 

데이터는 위의 테이블과 같다.

 

여기서 나머지 데이터로 품종을 분류하고 싶으니까 x는 품종을 뺀 나머지 데이터를 저장하겠다.

 

x = df.iloc[:, 1:7].values

 

---

Clustering

 

Scikit-Learn에서 KMeans 함수를 가져와 사용하겠다.

 

kmeans = KMeans(n_clusters = 3, init = 'k-means++', max_iter = 300, n_init = 10, random_state = 0)
y_kmeans = kmeans.fit_predict(x)

 

---

visualize

 

결과를 그래프로 확인해보겠다.

 

plt.scatter(x[y_kmeans == 0, 0], x[y_kmeans == 0, 1], s = 100, c = 'purple')
plt.scatter(x[y_kmeans == 1, 0], x[y_kmeans == 1, 1], s = 100, c = 'orange')
plt.scatter(x[y_kmeans == 2, 0], x[y_kmeans == 2, 1], s = 100, c = 'green')

plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:,1], s = 100, c = 'red', label = 'Centroids')

plt.legend()

 

데이터가 잘 분류된 것을 확인할 수 있다.

 

---

K-Means Clustering은 이렇게 target label이 없는 데이터를 labeling 할 수 있게 만드는 방법이라고 볼 수 있다.