第 9 章 演習解答¶

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

# irisデータセットの読み込み
iris = sns.load_dataset("iris")
X = iris[["sepal_length", "sepal_width",
          "petal_length", "petal_width"]].values

# 1. k=3 でk-means法を実行
km3 = KMeans(n_clusters=3, random_state=0, n_init=10)
labels3 = km3.fit_predict(X)

# 2. エルボー法（k=1〜10）と 3. シルエットスコア（k=2〜10）
inertias, sils = [], []
for k in range(1, 11):
    km = KMeans(n_clusters=k, random_state=0, n_init=10)
    labels = km.fit_predict(X)
    inertias.append(km.inertia_)
    if k == 1:
        print(f"k={k:2d}: イナーシャ {km.inertia_:8.2f}")
    else:
        sil = silhouette_score(X, labels)
        sils.append(sil)
        print(f"k={k:2d}: イナーシャ {km.inertia_:8.2f}, "
              f"シルエットスコア {sil:.4f}")

# 2つの指標を並べてプロット
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
axes[0].plot(range(1, 11), inertias, marker="o")
axes[0].set_xlabel("クラスタ数 k")
axes[0].set_ylabel("イナーシャ")
axes[0].set_title("エルボー法")
axes[0].grid(True)
axes[1].plot(range(2, 11), sils, marker="o")
axes[1].set_xlabel("クラスタ数 k")
axes[1].set_ylabel("シルエットスコア")
axes[1].set_title("シルエット分析")
axes[1].grid(True)
plt.tight_layout()
plt.show()

# 4. 実際の品種ラベルとのクロス集計
print()
print(pd.crosstab(labels3, iris["species"]))

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

# 5つのクラスタを持つデータを生成
X, y = make_blobs(n_samples=500, centers=5,
                  cluster_std=1.0, random_state=42)

# エルボー法
inertias = []
K_range = range(1, 11)
for k in K_range:
    km = KMeans(n_clusters=k, random_state=0, n_init=10)
    km.fit(X)
    inertias.append(km.inertia_)
    print(f"k={k:2d}: イナーシャ {km.inertia_:9.2f}")

plt.figure(figsize=(8, 5))
plt.plot(K_range, inertias, marker="o")
plt.xlabel("クラスタ数 k")
plt.ylabel("イナーシャ")
plt.xticks(K_range)
plt.grid(True)
plt.show()

# k=5 でクラスタリングして可視化
km5 = KMeans(n_clusters=5, random_state=0, n_init=10)
labels = km5.fit_predict(X)
plt.figure(figsize=(8, 5))
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap="viridis", s=30)
plt.scatter(km5.cluster_centers_[:, 0], km5.cluster_centers_[:, 1],
            c="red", marker="X", s=200, edgecolors="black")
plt.xlabel("特徴量1")
plt.ylabel("特徴量2")
plt.show()

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.cluster.hierarchy import linkage, dendrogram, fcluster

# Irisデータセットの読み込み
df_iris = sns.load_dataset("iris")
X_iris = df_iris[["sepal_length", "sepal_width",
                  "petal_length", "petal_width"]].values
y_iris = df_iris["species"]

# Ward法による階層的クラスタリング
Z = linkage(X_iris, method="ward")

# デンドログラムの描画
plt.figure(figsize=(12, 5))
dendrogram(Z, no_labels=True)
plt.xlabel("データ点")
plt.ylabel("結合距離")
plt.show()

# 3クラスタに分割して真の品種と比較
labels3 = fcluster(Z, t=3, criterion="maxclust")
print("各クラスタのデータ数:", np.bincount(labels3)[1:])
print(pd.crosstab(labels3, y_iris))

import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

# 1. penguinsデータの読み込みと欠損値の削除
penguins = sns.load_dataset("penguins").dropna()
feature_cols = ["bill_length_mm", "bill_depth_mm",
                "flipper_length_mm", "body_mass_g"]
X = penguins[feature_cols].values

# 2. 数値特徴量を標準化
X_scaled = StandardScaler().fit_transform(X)

# 3. PCAで2次元に削減
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)

# 4. 種類ごとに色分けして散布図を作成
plt.figure(figsize=(8, 6))
for species in ["Adelie", "Chinstrap", "Gentoo"]:
    mask = (penguins["species"] == species).values
    plt.scatter(X_pca[mask, 0], X_pca[mask, 1], label=species, s=30)
plt.xlabel("第1主成分")
plt.ylabel("第2主成分")
plt.legend()
plt.grid(True)
plt.show()

# 5. 各主成分の寄与率を表示
print("寄与率:", pca.explained_variance_ratio_.round(4))
print(f"累積寄与率: {pca.explained_variance_ratio_.sum():.4f}")

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.decomposition import PCA
from sklearn.manifold import TSNE

# 10次元のデータを生成
X, y = make_blobs(n_samples=500, centers=5, n_features=10,
                  cluster_std=1.0, random_state=42)

# PCAで2次元に削減
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X)
print(f"PCAの寄与率: {pca.explained_variance_ratio_.round(4)}")
print(f"累積寄与率: {pca.explained_variance_ratio_.sum():.4f}")

# t-SNEで2次元に削減
tsne = TSNE(n_components=2, random_state=42)
X_tsne = tsne.fit_transform(X)

# 並べて可視化
fig, axes = plt.subplots(1, 2, figsize=(12, 5))
axes[0].scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap="viridis", s=20)
axes[0].set_title("PCA")
axes[1].scatter(X_tsne[:, 0], X_tsne[:, 1], c=y, cmap="viridis", s=20)
axes[1].set_title("t-SNE")
plt.tight_layout()
plt.show()