import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import _kmeans
from sklearn.metrics.pairwise import check_pairwise_arrays, euclidean_distances
[docs]def new_euclidean_distances(X, Y=None, Y_norm_squared=None, squared=False):
"""
k-means で用いる独自の距離関数。
n_features が 3 以上で、X[:, :2] が coord_ra と coord_dec であるような入力 X
を想定しており（Y についても同様）、coord_ra と coord_dec の 2 次元空間の
ユークリッド距離（ルートを取ったもの）と、それ以外の特徴量の空間のユークリッド距離
（ルートを取ったもの）の和の距離行列を返す。
`squared == True` ならば、その 2 乗を取った距離行列を返す。
Parameters
----------
X : {array-like, sparse matrix}, shape (n_samples_1, n_features)
n_features は 3 以上で、X[:, :2] が coord_ra と coord_dec。
Y : {array-like, sparse matrix}, shape (n_samples_2, n_features),
default None
n_features は 3 以上で、Y[:, :2] が coord_ra と coord_dec。
Y_norm_squared : array-like, shape (n_samples_2, ), default None
元のユークリッド距離関数（sklearn.metrics.pairwise.euclidean_distances）の
入力を保証するためのパラメータ。本関数では使用できないため、以下のコードには
現れていない。
squared : boolean, default False
Return squared distances.
Returns
-------
distances : {array, sparse matrix}, shape (n_samples_1, n_samples_2)
X と Y の距離行列。`Y == None` ならば、X と X 自身の距離行列。
Examples
--------
>>> from sklearn.cluster import _kmeans
>>> from pkg import my_kmeans as mk
>>> from sklearn.metrics.pairwise import euclidean_distances
>>> import numpy as np
>>> X = np.array([[0, 0, 0], [1, 1, 0], [2, 1, 0],
[0, 0, 1], [1, 1, 1], [1, 2, 1]])
>>> # monkey-patch による上書き
>>> _kmeans.euclidean_distances = mk.new_euclidean_distances
>>> km = _kmeans.KMeans(n_clusters=2, random_state=42)
>>> km.fit(X)
>>> # monkey-patch による変更を元に戻す
>>> _kmeans.euclidean_distances = euclidean_distances
>>> km = _kmeans.KMeans(n_clusters=2, random_state=42)
>>> km.fit(X)
"""
X, Y = check_pairwise_arrays(X, Y)
X_coord = X[:, :2]
Y_coord = Y[:, :2]
X_others = X[:, 2:]
Y_others = Y[:, 2:]
distances_coord = euclidean_distances(X=X_coord, Y=Y_coord, squared=False)
distances_others = euclidean_distances(X=X_others, Y=Y_others,
squared=False)
distances = distances_coord + distances_others
return distances if not squared else np.square(distances, out=distances)
[docs]def elbow(X, ax, k_min=1, k_max=10, random_state=42):
"""
エルボー法の結果を可視化する。
Parameters
----------
X : {array-like, sparse matrix} of shape (n_samples, n_features)
Training instances to cluster.
ax : matplotlib.axes.Axes
プロットを行なう Axes オブジェクト。これを更新する。
k_min : int, default 1
エルボー法を行なう、最小のクラスタ数。
k_max : int, default 10
エルボー法を行なう、最大のクラスタ数。
random_state : int, RandomState instance, default 42
Determines random number generation for centroid initialization.
Use an int to make the randomness deterministic.
"""
_kmeans.euclidean_distances = new_euclidean_distances
sse = []
for k in range(k_min, k_max + 1):
km = _kmeans.KMeans(n_clusters=k, random_state=random_state)
km.fit(X)
sse.append(km.inertia_)
ax.plot(range(k_min, k_max + 1), sse, marker='o')
ax.set_xlabel('number of clusters')
ax.set_ylabel('SSE')