Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

5.11

 詳細：

k

平均法クラスタリング

471

図5-117　SpectralClusteringによって学習された非線形境界

大量のサンプルに対する

k

平均法は低速となる

k

平均法は、それぞれの繰り返しでデータセット内のすべての点にアクセスする必要があるため、

サンプルの数が増えるにつれて実行が遅くなります。各繰り返しですべてのデータを使用しなくて

も良い方法があるのではないかと疑問に思うかもしれません。例えば、クラスタ中心を更新する際

にデータのサブセットを使用する方法です。これはバッチベースの

k

平均法アルゴリズムの背後に

あるアイデアです。その

1

つが

sklearn.cluster.MiniBatchKMeans

に実装されています。この推定

器のインターフェースは、標準

KMeans

と同じです。使用例を見てみましょう。

5.11.3

 事例

アルゴリズムの制限に注意することで、さまざまな状況で

k

平均法を使用することができます。

ここでは、いくつかの例を見てみ

ましょう。

5.11.3.1

 事例

1

：手書き数字に対する

k

平均法

まず「5.8 詳細：決定木とランダムフォレスト」および「5.9 詳細：主成分分析」で使用した簡

単な手書き数字データに

k

平均法を適用してみましょう。ここでは、元のラベル情報を使用せずに、

k

平均法を使用して同じ種類の数字を識別します。これは、あらかじめラベル情報を持たない新し

いデータセットから意味を抽出する際に行う最初のステップと似ています。

数字データをロードして

KMeans

クラスタを見つ