Pythonで階層型クラスタリングを実装する方法を解説する

2023.01.18 2022.10.27

クラスタリングは、類似したデータ点をグループ化する技術であり、形成された類似のデータ点のグループはクラスタとして知られています。

データに対してラベルがない場合がよくあります。

このため、データから洞察やパターンを導き出すことが非常に難しくなります。

このような状況では、教師なしクラスタリング技術が活躍します。

#Importing required libraries
 
from sklearn.datasets import load_iris

from sklearn.cluster import AgglomerativeClustering

import numpy as np

import matplotlib.pyplot as plt
 
#Getting the data ready
 
data = load_iris()

df = data.data
#Selecting certain features based on which clustering is done 

df = df[:,1:3]
 
#Creating the model
 
agg_clustering = AgglomerativeClustering(n_clusters = 3, affinity = 'euclidean', linkage = 'ward')
 
#predicting the labels
 
labels = agg_clustering.fit_predict(df)
 
#Plotting the results
 
plt.figure(figsize = (8,5))

plt.scatter(df[labels == 0 , 0] , df[labels == 0 , 1] , c = 'red')

plt.scatter(df[labels == 1 , 0] , df[labels == 1 , 1] , c = 'blue')

plt.scatter(df[labels == 2 , 0] , df[labels == 2 , 1] , c = 'green')
plt.show()

階層的クラスタリングの種類
1. 1. 凝集型階層クラスタリング
2. 2. 分割型階層型クラスタリング
階層的クラスタリングを実行するためのステップ
Python による階層型クラスタリング
1. 1. クラスタのプロットと作成
2. 2. Dendrogram のプロット
まとめ

階層的クラスタリングの種類

階層的クラスタリングは2つのタイプに分けられる。

凝集型階層クラスタリング．
分割型階層型クラスタリング

1. 凝集型階層クラスタリング

凝集型階層クラスタリングでは，各データ点を1つのクラスタとみなし，クラスタの総数をデータ点の数と同じにする．そして，類似性メトリックに基づいてデータをグループ化し続け，階層を上がるにつれてクラスタを作っていく．この方法はボトムアップアプローチとも呼ばれる。

2. 分割型階層型クラスタリング

分割型階層的クラスタリングは、凝集型HCとは逆です。

ここでは、すべてのデータ点からなる1つのクラスタから始める。

各反復ごとに、距離メトリックに基づいて他から遠い点を分離し、すべてのクラスタが正確に1つのデータ点を持つようにします。

階層的クラスタリングを実行するためのステップ

例として、階層的クラスタリングがどのように機能するかを視覚化してみましょう。

例えば、4人の生徒が数学と理科で取った点数に関連するデータがあり、洞察を得るために生徒のクラスタを作成する必要があるとします。

#Importing libraries

from sklearn.datasets import load_iris

from sklearn.cluster import AgglomerativeClustering

import numpy as np

import matplotlib.pyplot as plt

from scipy.cluster.hierarchy import dendrogram , linkage
 
#Getting the data ready
 
data = load_iris()

df = data.data
#Selecting certain features based on which clustering is done 

df = df[:,1:3]
 
#Linkage Matrix

Z = linkage(df, method = 'ward')
 
#plotting dendrogram

dendro = dendrogram(Z)

plt.title('Dendrogram')

plt.ylabel('Euclidean distance')
plt.show()