[R] K-Means Clustering

이번 포스팅에서는 R에서 K-Means Clustering을 수행하는 방법에 대해 알아보겠다.

 

K-Means Clustering에 대한 개념 설명은 아래 게시글을 참고하면 된다.

2024.02.26 - [Machine Learning/Clustering] - [머신러닝] K-Means Clustering

[머신러닝] K-Means Clustering

 

 

K-Means Clustering은 아래 절차대로 수행하면 된다.

1. 데이터 분할 및 전처리
2. 군집 수 결정
3. 군집화 및 군집 확인
4. 새로운 데이터에 군집 할당

 

1. 데이터 분할 및 전처리

 

caret 패키지를 활용해서 데이터를 Train set / Test set으로 split 해준다.

library(caret)
set.seed(123)

inTrain <- createDataPartition(y = KData$cluster, p = 0.7, list = F)
training <- iris[inTrain,]
testing <- iris[-inTrain,]
training

 

데이터 변수들의 스케일이 다른 경우, 표준화 작업을 통해 단위를 맞춰준다.

K-Means Clustering은 관측치간 거리를 활용하기 때문에 변수들의 scale이 결과에 큰 영향을 미칠 수 있다.

training.data <- scale(training[-5])
summary(training.data)

 

 

2. 군집 수 결정

# 1. Choose K (Elbow approach)
tot.withinss <- vector('numeric', length = 10)
for(i in 1:10){
  kDet <- kmeans(training.data[,-5], i)
  tot.withinss[i] <- kDet$tot.withinss
}

as.data.frame(tot.withinss) %>% 
  ggplot(aes(x=seq(1,10), y=tot.withinss)) +
  geom_point(col = "#F8766D") + 
  geom_line(col = "#F8766D") +
  theme(axis.title.x.bottom = element_blank())

=> K가 완만해지는 지점인 5로 군집 수 결정

 

3. 군집화 및 군집 확인

# 2. cluster data
customerClusters <- kmeans(training.data[,-5], 5)
customerClusters

# 3. Visualise clusters
training.data %>% 
  ggplot(aes(x=Annual_Income, y = Spending_Score)) + 
  geom_point(stat = 'identity', aes(color=as.factor(customerClusters$cluster))) + 
  scale_color_discrete(name='') + 
  ggtitle('Customer Segments', subtitle = 'K-Means Clustering')

 

 

 

4. 새로운 데이터에 군집 할당

training.data <- as.data.frame(training.data)
modFit <- train(x = training.data[,-5], 
                y = training$cluster,
                method = "rpart")

testing.data <- as.data.frame(scale(testing[-5]))
testClusterPred <- predict(modFit, testing.data) 
table(testClusterPred ,testing$Species)

 

 

 

 

 

* 캐글 예제 참고

https://www.kaggle.com/code/ioannismesionis/mall-customer-segmentation-unsupervised-learning