今更ながら，Kmeansを簡単に試してみます．

ライブラリ

importしたのはこれ

from random import randint

from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
import numpy as np

import matplotlib.pyplot as plt

データセットの生成に乱数が欲しかったので，randint
データをプロットするのに，3次元特徴を2次元にしたかったのでPCAを使ってます．

データの用意

今回はデータセットとして，RGB値を乱数で生成するようにした．

def create_data(num):
    data = np.empty((0,3), int)
    for i in range(num):
        red = randint(0,256)
        blue = randint(0,256)
        green = randint(0,256)

        data = np.append(data, np.array([[red,blue,green]]), axis=0)

    return data

data = create_data(100)

create_data(<生成するデータ数>)で任意のサイズのデータセットを作成する関数を用いている．このコードではデータセットとして3次元の特徴が100個できる．

クラスタリング

生成したデータをKmeansモデルで分類する．

# kmeans clustering
CLUSTERS = 3
N_JOBS = 2

model = KMeans(n_clusters=CLUSTERS, n_jobs=N_JOBS).fit(data)

print(model.labels_)

今回は，クラスタ数3でクラスタリングする．N_JOBSは用いるCPUのコア数を示している．model.labels_で各データのクラスタ番号をリストにしている．

結果出力

今回2次元画像として出力したいので，主成分分析によって3次元特徴を2次元に削減する
ことができる．

次元削減

# ３次元特徴を2次元にする
pca = PCA(n_components=2)
pca.fit(data)
pca_data = pca.fit_transform(data)

n_componentsで何次元に削減するかを指定することができる．削減後のデータはpca_dataに格納されている．

実際にプロット

color = ["red", "blue", "green"]

# クラスタリング結果のプロット
plt.figure()
for i in range(pca_data.shape[0]):
    plt.scatter(pca_data[i,0], pca_data[i,1], c=color[int(model.labels_[i])])

# 生データのプロット
plt.figure()
for j in range(pca_data.shape[0]):
    color = tuple((round(data[j][0]/256, 3), round(data[j][1]/256, 3), round(data[j][2]/256, 3)))

    plt.scatter(pca_data[j,0], pca_data[j,1], c=color)

plt.show()

最初にクラスタリング結果をプロットしている．次元削減後のデータの1次元目をxに2次元目のデータをyにして，model.label_には0~2のクラスになっているのでリストcolorがクラス番号に対応している．
2個目のplt.figure()では，生データをそのままの色でプロットしている．ただ問題は，pltのプロットでは，RGB値が0~1である必要があるため，元のRGB値を256で割っている．後は，小数第3位で丸め込んでいる．

実際にプロットした結果が
生データ

クラスタリング結果

今回は，比較的綺麗にクラスタリングすることができた．

まとめ

今回は，分かりやすいように色を用いてKmeansを試してみた．
単純なデータだったので，綺麗にクラスタリングできた．

初心者のKmeans