『実践的なデータ解析の手順』 における「4. クラスタリング (クラスター解析) を行う」についてです。なお実行するためのプログラムについてはこちらをご覧ください。

公開中のプログラム・コード一覧(実用的かつ実践的なデータ解析・機械学習・データマイニング) : 大学教授のブログ

[New] DBSCANのプログラムを簡単に入手できるようになりました！

それぞれのURLからお求めください！

R: https://note.mu/univprof/n/n7deb16ecf162

Python: https://note.mu/univprof/n/n91a73a9ceec9

Density-Based Spatial Clustering of Applications with Noise (DBSCAN)

Density-Based Spatial Clustering of Applications with Noise (DBSCAN) はデータ密度に基づくクラスタリング手法です。データが固まって分布していると一つのクラスターとして認識してくれるので直感的に理解しやすいです。

またscikit-learnのclusteringのページでいろいろなクラスタリング手法の比較をしてまして、二次元のデータにおける結果のみですが、DBSCANはその中でも良さそうな結果です。

ただDBSCANではEpsとMinPtsという二つのパラメータを最初に決めなければなりません。DBSCANの最初の論文では、二次元のデータセットをクラスタリングするとき、MinPts=4を推奨しています。

DBSCANは以下の手順で行われます。

1. EpsとMinPtsとの値を決める
   二次元のデータセットをクラスタリングするときは、MinPtsを4とするとよいです。あとは値を変えて結果を確認する、といった試行錯誤が必要です。
2. 必要に応じて説明変数をオートスケーリングする
   オートスケーリングとは各変数から平均値を引いて平均を0にし、各変数を標準偏差で割って標準偏差を1にする操作です。
3. DBSCANを行う
4. クラスタリングの結果を見える化する
   「2.データを見える化 (可視化) する」でデータセットを見える化し、そこにクラスタリングの結果を表示します。例えばクラスターごとに色を変えてプロットすると見やすいです。

ご案内。

• 実践的なデータ解析の手順
• データ解析の手順の各段階における手法
• 公開中のプログラム・コード一覧(実用的かつ実践的なデータ解析・機械学習・データマイニング)
• 主成分分析(PCA)の進化する入門書・実践書～数式なしの導入から実践的応用・結果の解釈まで～（随時更新）
• 20人の学生に対する研究テーマの決め方

オススメ記事セレクション。

• 大学教員の５つのメリット (とデメリット？)
• 現役データサイエンティストへの『人工知能って怖いの？』に対する回答
• 人工知能との未来における人の役割～現役のデータサイエンティストのメッセージ～
• 集中する時間を確保するために大学教授が行っている８つのこと
• 風邪を引かないために大学教授が毎日行っている７つの方法

twitterでも発信中。

フォローしていただけると嬉しいです。

Follow @univprofblog1
Tweets by univprofblog1

無料メルマガでブログにない情報を配信中。

無料メルマガの登録はこちら