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

488

5

章 機械学習

成分の数

図5-136　GMM成分の数を選択するための AICと BICの可視化

クラスタの最適な数は

AIC

または

BIC

を最小にする値であり、どちらを使用するかで変わりま

す。

AIC

によると、成分数として

16

は多すぎであり、

8

から

12

が良い値と言えます。この種の問題

では、典型的に

BIC

の方がよりシンプルなモデルを推奨します。

この成分数の選択は、

GMM

が密度推定としてどの程度機能するかを示すものであり、クラスタ

リングアルゴリズムとしての良さを示すものではない点に注意が必要です。

GMM

は主に密度推定

であると考え、単純なデータセットに対してのみクラスタリングに使うことをお勧めします。

5.12.4

 事例：

GMM

によるデータの生成

GMM

をデータの生成モデルとして使用して、入力データによって定義された分布から新しいサ

ンプルを作成する簡単な例は既に紹介しました。このアイデアを使用して、以前使用した手書き数

字のデー

タを元にして、新しい手書き数字を生成してみます。

まず、

scikit-learn

のツールを使用して、数字データを読み込みます。

In[18]: from sklearn.datasets import load_digits

digits = load_digits()

digits.data.shape

Out[18]: (1797, 64)

次に、最初の

100

個をプロットして、どのようなデータであったのかを再確認します（図5-137）。

In[19]: def plot_digits(data): ...