#72 Section 27 クラスタリング（８）まとめ
-- Views
March 03, 26
スライド概要
さて、Pycaretでのクラスタリングはいかがでしたか？
#65 Section 20～#71 Section 26を振り返ってみましょう！
最低限、下記のコードを覚えれば、機械学習の『クラスタリング』で分析することができます。ただし、結果の評価や比較などは、統計的な理解が必要になります。
教師あり学習と較べると、交差検証関連やcompare_models関数が使えないなどの違いがあります。
すべてのビジネスパーソンが意思決定プロセスにデータを活用する思考を身につけるため、まずは、データサイエンスの分析を体験していきましょう。SECIモデルの最初の段階、共同化（Socialization）からはじめていきます。 下記のブログで、ここにアップしたスライド、動画を随時、公開中です。 【ブログ】https://tutorial4datascience.blogspot.com/ 【Youtubeチャンネル】https://www.youtube.com/@DataScience_for_everyone 【Kindle】そして、このブログをまとめて書籍にしました！ https://amzn.to/4ryVppn https://amzn.to/4pGgFb1
関連スライド
データサイエンス関連資格
猫のタロー
49.6K
データサイエンス関連の資格_後編
猫のタロー
4.1K
各ページのテキスト
4th STEP 機械学習 Section 27 クラスタリング（８） まとめ Setup Compare Models Analyze Model データサイエンス チュートリアル Prediction Save Model 1
4th STEP 機械学習 Section 27 クラスタリング（８）まとめ まとめ(1) 最低限、下記のコードを覚えれば、機械学習の『クラスタリング』で分析することができます。ただし、結果の評価や比較などは、 統計的な理解が必要になります。教師あり学習と較べると、交差検証関連やcompare_models関数が使えないなどの違い があります。 ① ⑥ # train meanshift model pip install pycaret[full] import pycaret pycaret.__version__ meanshift = create_model('meanshift') ② # loading sample dataset from pycaret dataset module from pycaret.datasets import get_data data = get_data('jewellery') ③ # import pycaret clustering and init setup from pycaret.clustering import * s = setup(data, session_id = 123) ④ kmeans = create_model('kmeans') # train kmeans model ⑤ = assign_model(kmeans) ⑦ kmeans_cluster kmeans_cluster ⑧ evaluate_model(kmeans) # plot pca cluster plot plot_model(kmeans, plot = 'cluster') ※ 一つ一つ別個に評価 指標のグラフを描くこと もできます。 # plot elbow plot_model(kmeans, plot = 'elbow') # plot silhouette plot_model(kmeans, plot = 'silhouette') # to check all the available models models() データサイエンス チュートリアル 2
4th STEP 機械学習 Section 27 クラスタリング（８）まとめ まとめ(2) ⑩ # predict on test set kmeans_pred = predict_model(kmeans, data=data) kmeans_pred ⑪ # save pipeline save_model(kmeans, 'kmeans_pipeline') ⑫ # load pipeline kmeans_pipeline = load_model('kmeans_pipeline') kmeans_pipeline データサイエンス チュートリアル 3