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

478

5

章 機械学習

ポートします。

In[1]: %matplotlib inline

import matplotlib.pyplot as plt

import seaborn as sns; sns.set()

import numpy as np

5.12.1

 

GMM

の必要性：

k

平均法の弱点

k

平均法の弱点を見た上で、クラスタモデルをどのように改善できるかを考えてみましょう。前

の節で見たように、単純でわかりやすいデータがあれば、

k

平均法は適切なクラスタリング結果を

見つけられます。

例えば、単純な集団を形成しているデータがある場合、

k

平均法アルゴリズムは見た目で行うの

と同じような方法で、クラスタに素早くラベルを付けることができます（図 5-124）。

In[2]: # Generate some data

データの生成

from sklearn.datasets.

samples_generator import make_blobs

X, y_true = make_blobs(n_samples=400, centers=4,

cluster_std=0.60, random_state=0)

X = X[:, ::-1] # flip axes for better plotting

In[3]: # Plot the data with k-means labels k

平均法でラベルを推定して表示する

from sklearn.cluster import KMeans ...