K-평균 군집(K-means Clustering) 2

군집분석 성능평가

1. Import Packages and Lead Dataset

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

iris = load_iris()

DF = pd.DataFrame(data = iris.data,
                  columns = ['sepal_length',
                             'sepal_width',
                             'petal_length',
                             'petal_width'])

DF.head(3)

---

2. K-means Modeling

• n_clusters : 군집 개수 지정
• init : 초기 중심 설정 방식(기본값)
• max_iter : 최대 반복 횟수

from sklearn.cluster import KMeans

kmeans_3 = KMeans(n_clusters = 3, 
                  init ='k-means++', 
                  max_iter = 15, 
                  random_state = 2045)

kmeans_3.fit(DF)

---

3. Silhouette Analysis

• 실수엣 계수(Silhouette Coefficient) 측정지표
  • 개별 데이터포인트가 가지는 군집화 지표
  • 데이터포인트가 같은 군집 내의 다른 데이터포인트와 얼나마 가깝게 군집되어 있고
  • 다른 군집에 있는 데이터포인트와 얼마나 멀게 분리되어 있는지 나타내는 지표
    
    
• 각 군집 간의 거리가 얼마나 효율적으로 분리되었는지 평가
  • 다른 군집과의 거리는 멀고, 군집 내 데이터포인트 간의 거리는 가깝게 형성

3-1. DF에 'Clustering' 추가

DF['Clustering'] = kmeans_3.labels_

DF.head(3)

---

3-2. 실수엣 계수값

• 개별 데이터포인터들의 실수엣 계수값 계산
  • 'Clustering' 정보 사용
    
    
• 실수엣 계수는 -1 ~ 1 사이의 값을 가짐
  • 1에 가까울 수록 근접한 다른 군집과 거리가 멀리 떨어져 있음을 의미
  • 0에 가까울 수록 근접한 다른 군집과 거리가 가까운 것을 의미
  • -1값은 전혀 다른 군집에 데이터포인트가 할당 되었음을 의미

from sklearn.metrics import silhouette_samples

silhouette_samples(iris.data, DF['Clustering'])

DF['Silh_Coef'] = silhouette_samples(iris.data, DF['Clustering'])

DF.head(3)

---

3-3. 실루엣 점수(Silhouette Score)

• 데이터포인트들의 실루엣 계수값의 평균
  
  
• 권장 실루엣 점수값
  • 전체 실수엣 계수 평균이 0 ~ 1 사이의 값을 가지며, 1에 가까운 경우
  • 개별 군집의 실루엣 계수 평균들이 전체 실루엣 계수 평균과 크게 차이나지 않는 경우

from sklearn.metrics import silhouette_score

silhouette_score(iris.data, DF['Clustering'])

0.5528190123564091

DF.groupby('Clustering')['Silh_Coef'].mean()

Clustering

0 0.417320

1 0.798140

2 0.451105

Name: Silh_Coef, dtype: float64