Python Deep Learning 예제

예제

import matplotlib.pyplot as plt

from sklearn.datasets import make_blobs

X, y = make_blobs(n_samples=150, n_features=2, centers=3, random_state=0)

X.shape # (150, 2)

y.shape # (150,)

import pandas as pd

pd.Series(y).value_counts()

1    50
0    50
2    50
dtype: int64

from sklearn.cluster import KMeans

km = KMeans(n_clusters=3, random_state=0)

# 비지도 학습

pred = km.fit_predict(X)

pd.Series(pred).value_counts()

2    52
1    50
0    48
dtype: int64

# 한글 깨짐 없이 나오게 설정

from matplotlib import rcParams # 인코딩 폰트 설정

rcParams['font.family'] = 'New Gulim'

rcParams['font.size'] = 10

plt.figure(figsize=(10,4))

plt.subplot(1,2,1)

plt.scatter(X[:,0],X[:,1],c=pred,s=10)

plt.title('추정')

plt.subplot(1,2,2)

plt.scatter(X[:,0],X[:,1],c=y,s=10)

plt.title('정답')

plt.show()

# 학습된 클러스터들의 centroids를 화면에 표시해본다

centroids = km.cluster_centers_

centroids

array([[ 0.91563959,  4.44602508],
       [-1.73388472,  3.00577412],
       [ 2.07417555,  1.04097145]])

# 적색 별 모양의 표시를 각 centroid에 해본다

plt.scatter(X[:,0],X[:,1],c=pred,s=10)

plt.scatter(centroids[:,0],centroids[:,1],c='r',marker='*')

plt.title('centroid 표시')

plt.show()

# 앨보우 차트

# 클러스터의 갯수와 inertia의 값을 라인차트에 표시한 것수

# inertia : 센트로이드와 클러스터 소속 값들의 거리의 제곱의 합

inertia = []

for i in range(1,11):

    km = KMeans(n_clusters=i, random_state=0)

    km.fit(X)

    inertia.append(km.inertia_)

plt.plot(range(1,11), inertia, marker='o')

plt.xlabel("Number of Clusters")

plt.ylabel("Inertia")

plt.show()

# 최적의 클러스터 수는 꺾이는 곳으로 정하면 된다