머신 러닝 (12) DBSCAN Clustering

 

wine 데이터셋을 이용한 DBSCAN 클러스터링

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from sklearn.datasets import load_wine

from sklearn.preprocessing import StandardScaler

from sklearn.decomposition import PCA

from sklearn.cluster import DBSCAN

from sklearn.neighbors import NearestNeighbors

# 와인 데이터셋 로드

wine = load_wine()

X = pd.DataFrame(wine.data, columns=wine.feature_names)

# 데이터 정규화 (StandardScaler)

scaler = StandardScaler()

X_scaled = scaler.fit_transform(X)

print(f"데이터 크기: {X.shape}")

print(f"\n데이터 샘플:\n{X.head()}")

# 2차원 주성분으로 축소

pca = PCA(n_components=2)

X_pca = pca.fit_transform(X_scaled)

print(f"설명된 분산 비율: {pca.explained_variance_ratio_}")

print(f"총 설명된 분산: {sum(pca.explained_variance_ratio_):.2%}")

# 5-최근접 이웃 거리 계산

neighbors = NearestNeighbors(n_neighbors=5)

neighbors_fit = neighbors.fit(X_pca)

distances, indices = neighbors_fit.kneighbors(X_pca)

# 5번째 이웃까지의 거리를 오름차순으로 정렬

distances = np.sort(distances[:, 4], axis=0)

plt.figure(figsize=(6, 3))

plt.plot(distances)

plt.title("K-Distance Plot (Wine Dataset)")

plt.xlabel("Points sorted by distance")

plt.ylabel("Distance to 5th Nearest Neighbor")

plt.grid(True)

print("그래프가 급격히 꺾이는 지점(Elbow)의 Y축 값을 확인하세요.")

plt.show()

DBSCAN 모델 적용

# DBSCAN 클러스터링 수행

dbscan = DBSCAN(eps=0.55, min_samples=5)

clusters = dbscan.fit_predict(X_pca)

# 클러스터 레이블 확인 (-1은 노이즈)

unique_labels = np.unique(clusters)

print(f"생성된 클러스터 라벨: {unique_labels}")

# 각 클러스터별 샘플 개수

for label in unique_labels:

    count = np.sum(clusters == label)

    if label == -1:

        print(f"노이즈(Outlier): {count}개")

    else:

        print(f"클러스터 {label}: {count}개")

결과 시각화

plt.figure(figsize=(6, 4))

# 클러스터별 색상 생성

colors = plt.cm.viridis(np.linspace(0, 1, len(unique_labels)))

for label, color in zip(unique_labels, colors):

    if label == -1:

        # 노이즈(Outlier)는 검정색 'x'로 표시

        color = 'k'

        label_name = "Noise (-1)"

        marker = 'x'

        alpha = 0.5

    else:

        # 일반 군집

        label_name = f"Cluster {label}"

        marker = 'o'

        alpha = 0.7

    class_member_mask = (clusters == label)

    xy = X_pca[class_member_mask]

    plt.scatter(xy[:, 0], xy[:, 1],

                c=[color],

                label=label_name,

                s=60, edgecolors='k', alpha=alpha, marker=marker)

plt.title('DBSCAN Clustering Results (Wine Dataset + PCA)')

plt.xlabel('Principal Component 1')

plt.ylabel('Principal Component 2')

plt.legend()

plt.grid(True)

plt.show()