k-means法（ｋ平均法）

# 機械学習ライブラリを使用しない場合
import numpy as np
import matplotlib.pyplot as plt

# ダミーデータ生成
data = np.array([[155, 50], [170, 65], [154, 41], [180, 75], [160, 48],
                 [175, 70], [150, 45], [182, 83], [158, 58], [173, 78]])

# データの標準化
mean = np.mean(data, axis=0)
std = np.std(data, axis=0)
data = (data - mean) / std

# K-meansクラスタリングを手動で実行
k = 2  # クラスタ数
np.random.seed(0)  # 再現性を保つためにシードを設定

# ランダムに初期クラスタ中心を選びます
initial_centers = data[np.random.choice(data.shape[0], k, replace=False)]
centers = initial_centers

# 最大の反復回数
max_iter = 100

for i in range(max_iter):
    # 各データ点を最も近い中心点に割り当て
    distances = np.sqrt(np.sum((data - centers[:, np.newaxis])**2, axis=2))
    labels = np.argmin(distances, axis=0)

    # 中心点を新たに計算
    new_centers = np.array([data[labels == j].mean(axis=0) for j in range(k)])

    # 収束判定
    if np.all(centers == new_centers):
        break

    centers = new_centers


# クラスタ1とクラスタ2のデータを分離
cluster1 = data[labels == 0]
cluster2 = data[labels == 1]

# グラフにプロット
plt.figure(figsize=(8, 6))
plt.scatter(cluster1[:, 0], cluster1[:, 1], c='red', label='Cluster 1')
plt.scatter(cluster2[:, 0], cluster2[:, 1], c='blue', label='Cluster 2')
plt.scatter(centers[:, 0], centers[:, 1], c='black', marker='x', s=100, label='Cluster Centers')
plt.xlabel('Heihgt')
plt.ylabel('Weihgt')
plt.legend()
plt.title('K-means Clustering')
plt.show()

# scikit-learnを使用した場合
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# データを作成
data = np.array([[155, 50], [170, 65], [154, 41], [180, 75], [160, 48], [175, 70], [150, 45], [182, 83], [158, 58], [173, 78]])
df = pd.DataFrame(data, columns=['Heihgt', 'Weight'])

# K-meansモデルを作成
kmeans = KMeans(n_clusters=2, init='random', n_init=10, max_iter=300, tol=1e-4, random_state=0)

# K-meansモデルをデータに適合
df['cluster'] = kmeans.fit_predict(df)

# クラスターごとにデータを可視化
plt.figure(figsize=(8, 6))
colors = ['r', 'g']
for i in range(2):
    cluster_data = df[df['cluster'] == i]
    plt.scatter(cluster_data['Heihgt'], cluster_data['Weight'], c=colors[i], label=f'Cluster {i+1}')

# クラスターの中心をプロット
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='k', marker='x', s=100, label='Cluster Centers')

plt.title('K-means Clustering')
plt.xlabel('Heihgt')
plt.ylabel('Weight')
plt.legend()
plt.show()

pip install plotly

import pandas as pd
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
import plotly.graph_objs as go

# 生成したデータを読み込み
# (同じフォルダを前提としています)
data = pd.read_csv('./KMeanExampleCustomerSegmentation.csv', encoding = "shift-jis")

# データを標準化
scaler = StandardScaler()
X_std = scaler.fit_transform(data)

# k-meansクラスタリングを実行
k = 3  # クラスタ数
kmeans = KMeans(n_clusters=k, init='random', random_state=0)
data['クラスタ'] = kmeans.fit_predict(X_std)
data['クラスタ'] = data['クラスタ'].astype(str)  # クラスタラベルを文字列に変換

# k-meansの中心点を取得
centers = scaler.inverse_transform(kmeans.cluster_centers_)

# 3Dプロット用のトレースを作成
traces = []

for cluster in range(k):
    cluster_data = data[data['クラスタ'] == str(cluster)]
    trace = go.Scatter3d(
        x=cluster_data['平均購買額'],
        y=cluster_data['滞在時間'],
        z=cluster_data['年齢'],
        mode='markers',
        name=f'クラスタ {cluster+1}',
        marker=dict(
            size=3,
            opacity=0.8
        )
    )
    traces.append(trace)

# 中心点のトレースを追加
trace_centers = go.Scatter3d(
    x=centers[:, 0],
    y=centers[:, 1],
    z=centers[:, 2],
    mode='markers',
    name='中心点',
    marker=dict(
        size=10,
        opacity=1.0,
        symbol='cross'
    )

)
traces.append(trace_centers)

layout = go.Layout(
    margin=dict(l=0, r=0, b=0, t=0),
    scene=dict(
        xaxis=dict(title='平均購買額'),
        yaxis=dict(title='滞在時間'),
        zaxis=dict(title='年齢'),
        aspectratio=dict(x=1, y=1, z=1)
    )
)

fig = go.Figure(data=traces, layout=layout)

fig.show()