目次
k-means（k平均法）とは？
k-means（k平均法）とは、k近傍法と同じく近くにあるデータは仲間という考え方を扱うアルゴリズムです。k近傍法と違う点は、データ全体をグループ分けするという点です。近い者同士でグループ分けを行います。
STEP
指定したグループ数の仮の重心をランダムに決定
STEP
決定した重心から近い点を探してグループ分けを行う
STEP
各グループの平均値を求めてそれを各重心に変更＆重心が動いていたらさらに続ける
STEP
２と３を繰り返す
STEP
重心が動かなくなったらグループ分けは終了
k-means（k平均法）の使い方
上記の書式を用いて学習させたモデルにpredict命令で説明変数Xを渡すと予測結果が帰ってきます。
k-means（k平均法）を試してみる
ランダムの種：２
特徴量：２
塊数：３
ばらつき：0.5
点の数：500
のデータセットを用いてk平均法の分類を散布図で確認してみましょう！
コード
#1 ランダムの種：2、特徴量：2、塊数：3、ばらつき：0.5、点の数：500個のデータセットを作成
#2 k平均法の学習モデルを作成
#3 全データでこの学習モデルの分類の状態を表示
#4 テストデータを使ってこの学習モデルの分類の状態を表示
from sklearn.cluster import KMeans
X, y = make_blobs( #1
random_state=2,
n_features=2,
centers=3,
cluster_std=0.5,
n_samples=500)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
model = KMeans(n_clusters=3) #2
model.fit(X)
df = pd.DataFrame(X) #3
plot_boundary(model, df[0], df[1], y, "df [0]", "df [1]")参考資料：Python3年生機械学習のしくみ
実行結果
データを３つのグループに分けることができました！
２つのグループに分けてみよう！
先ほどはグループを３つに分けることができましたが、次は、２つのグループに分けるk平均法のモデルを作ってグループ分けを行ってみましょう。
コード
#1 2グループに分けるk平均法の学習モデルを作成
#2 この学習モデルの分類の様子を描画する
model = KMeans(n_clusters=2) #1
model.fit(X)
df = pd.DataFrame(X) #2
plot_boundary(model, df[0], df[1], y, "df [0]", "df [1]")参考資料：Python3年生機械学習のしくみ
実行結果
２つのグループに分けることができました！紫と青を１つのグループとして、オレンジをまた１つのグループとして認識しています。
確認問題
ランダムの種：１
特徴量：２
塊数：３
ばらつき：0.7
点の数：500
のデータセットを用いてk平均法の分類を散布図で確認してみましょう。
答えはコチラをクリック！
答え：
from sklearn.cluster import KMeans
X, y = make_blobs(
random_state=1,
n_features=2,
centers=3,
cluster_std=0.7,
n_samples=500)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
model = KMeans(n_clusters=3)
model.fit(X)
df = pd.DataFrame(X)
plot_boundary(model, df[0], df[1], y, "df [0]", "df [1]")ヒント
このような散布図になるはずです！
