본문으로 건너뛰기

057 PyCaret 클러스터링 모듈 시작하기

키워드: 클러스터링, 시작

개요​

PyCaret의 클러스터링 모듈은 비지도 학습을 위한 강력한 도구입니다. 이 글에서는 PyCaret으로 클러스터링을 시작하는 방법을 알아봅니다.

실습 환경​

  • Python 버전: 3.11 권장
  • 필요 패키지: pycaret[full]>=3.0

클러스터링 모듈 임포트​

from pycaret.clustering import *

내장 데이터세트​

from pycaret.datasets import get_data

# 057 사용 가능한 클러스터링 데이터세트
print("클러스터링용 데이터세트:")
print("- jewellery: 보석 고객 데이터")
print("- mouse: 마우스 단백질 데이터")
print("- wholesale: 도매 고객 데이터")

# 057 데이터 로드
data = get_data('jewellery')
print(f"\n데이터 크기: {data.shape}")
print(data.head())

setup() 함수​

클러스터링 환경을 설정합니다:

from pycaret.clustering import *
from pycaret.datasets import get_data

data = get_data('jewellery')

# 057 기본 설정
clust = setup(data, session_id=42)

# 057 주요 파라미터
clust = setup(
    data=data,
    normalize=True,           # 정규화 (클러스터링에 필수)
    transformation=False,      # 변환 (로그, 제곱근 등)
    ignore_features=None,      # 제외할 특성
    pca=False,                 # PCA 적용
    pca_components=None,       # PCA 차원
    session_id=42,             # 재현성
    verbose=False
)

지원 알고리즘​

from pycaret.clustering import *
from pycaret.datasets import get_data

data = get_data('jewellery')
clust = setup(data, normalize=True, session_id=42, verbose=False)

# 057 지원 알고리즘 확인
models()
모델 ID알고리즘설명
kmeansK-Means중심 기반
apAffinity Propagation메시지 패싱
meanshiftMean Shift밀도 기반
scSpectral Clustering그래프 기반
hclustAgglomerative계층적 병합
dbscanDBSCAN밀도 기반
opticsOPTICS밀도 기반 개선
birchBIRCH대용량 데이터
kmodesK-Modes범주형 데이터

create_model() 함수​

from pycaret.clustering import *
from pycaret.datasets import get_data

data = get_data('jewellery')
clust = setup(data, normalize=True, session_id=42, verbose=False)

# 057 K-Means 모델 (기본 4 클러스터)
kmeans = create_model('kmeans')

# 057 클러스터 수 지정
kmeans_5 = create_model('kmeans', num_clusters=5)

# 057 다른 알고리즘
hclust = create_model('hclust', num_clusters=4)
dbscan = create_model('dbscan')

클러스터 레이블 확인​

from pycaret.clustering import *
from pycaret.datasets import get_data

data = get_data('jewellery')
clust = setup(data, normalize=True, session_id=42, verbose=False)

kmeans = create_model('kmeans', num_clusters=4)

# 057 클러스터 레이블이 추가된 데이터
clustered_data = assign_model(kmeans)
print(clustered_data.head())

# 057 클러스터별 통계
print("\n클러스터별 샘플 수:")
print(clustered_data['Cluster'].value_counts().sort_index())

클러스터 프로파일링​

from pycaret.clustering import *
from pycaret.datasets import get_data
import pandas as pd

data = get_data('jewellery')
clust = setup(data, normalize=True, session_id=42, verbose=False)

kmeans = create_model('kmeans', num_clusters=4)
clustered_data = assign_model(kmeans)

# 057 클러스터별 평균
cluster_profile = clustered_data.groupby('Cluster').mean()
print("클러스터 프로파일:")
print(cluster_profile)

# 057 클러스터별 표준편차
cluster_std = clustered_data.groupby('Cluster').std()
print("\n클러스터별 표준편차:")
print(cluster_std)

plot_model() 시각화​

from pycaret.clustering import *
from pycaret.datasets import get_data

data = get_data('jewellery')
clust = setup(data, normalize=True, session_id=42, verbose=False)

kmeans = create_model('kmeans', num_clusters=4)

# 057 클러스터 시각화 (PCA 기반 2D)
plot_model(kmeans, plot='cluster')

# 057 엘보우 플롯
plot_model(kmeans, plot='elbow')

# 057 실루엣 플롯
plot_model(kmeans, plot='silhouette')

# 057 분포 플롯
plot_model(kmeans, plot='distribution')

# 057 거리 플롯
plot_model(kmeans, plot='distance')

여러 모델 비교​

from pycaret.clustering import *
from pycaret.datasets import get_data
import pandas as pd
from sklearn.metrics import silhouette_score

data = get_data('jewellery')
clust = setup(data, normalize=True, session_id=42, verbose=False)

# 057 여러 모델 비교
models_to_compare = ['kmeans', 'hclust', 'birch', 'meanshift']
results = []

for model_name in models_to_compare:
    try:
        if model_name in ['dbscan', 'meanshift']:
            model = create_model(model_name)
        else:
            model = create_model(model_name, num_clusters=4)

        clustered = assign_model(model)

        # 클러스터 수
        n_clusters = clustered['Cluster'].nunique()

        if n_clusters > 1:
            # 실루엣 점수
            X = get_config('X')
            labels = clustered['Cluster'].values
            score = silhouette_score(X, labels)
        else:
            score = -1

        results.append({
            'Model': model_name,
            'Clusters': n_clusters,
            'Silhouette': score
        })
    except Exception as e:
        print(f"{model_name} 오류: {e}")

df = pd.DataFrame(results).sort_values('Silhouette', ascending=False)
print("\n모델 비교:")
print(df)

최적 클러스터 수 찾기​

from pycaret.clustering import *
from pycaret.datasets import get_data
from sklearn.metrics import silhouette_score

data = get_data('jewellery')
clust = setup(data, normalize=True, session_id=42, verbose=False)

# 057 실루엣 점수로 최적 K 찾기
X = get_config('X')
scores = []

for k in range(2, 11):
    kmeans = create_model('kmeans', num_clusters=k)
    clustered = assign_model(kmeans)
    labels = clustered['Cluster'].values

    score = silhouette_score(X, labels)
    scores.append({'k': k, 'silhouette': score})

import pandas as pd
df = pd.DataFrame(scores)
print(df)

optimal_k = df.loc[df['silhouette'].idxmax(), 'k']
print(f"\n최적 클러스터 수: {optimal_k}")

새로운 데이터 예측​

from pycaret.clustering import *
from pycaret.datasets import get_data

data = get_data('jewellery')
clust = setup(data, normalize=True, session_id=42, verbose=False)

kmeans = create_model('kmeans', num_clusters=4)

# 057 새로운 데이터
import pandas as pd
new_data = pd.DataFrame({
    'Age': [35, 55],
    'Income': [50000, 120000],
    'SpendingScore': [60, 90],
    'Savings': [15000, 80000]
})

# 057 클러스터 예측
predictions = predict_model(kmeans, data=new_data)
print("새 데이터의 클러스터:")
print(predictions)

모델 저장 및 로드​

from pycaret.clustering import *
from pycaret.datasets import get_data

data = get_data('jewellery')
clust = setup(data, normalize=True, session_id=42, verbose=False)

kmeans = create_model('kmeans', num_clusters=4)

# 057 저장
save_model(kmeans, 'clustering_model')

# 057 로드
loaded_model = load_model('clustering_model')

# 057 예측 테스트
new_data = data.head(5)
predictions = predict_model(loaded_model, data=new_data)
print(predictions)

전처리 옵션​

from pycaret.clustering import *
from pycaret.datasets import get_data

data = get_data('jewellery')

# 057 다양한 전처리 옵션
clust = setup(
    data=data,
    normalize=True,              # 정규화 (Z-score)
    normalize_method='zscore',   # 'zscore', 'minmax', 'maxabs', 'robust'
    transformation=True,         # 분포 변환
    transformation_method='yeo-johnson',  # 'yeo-johnson', 'quantile'
    pca=True,                    # PCA 적용
    pca_components=3,            # 3차원으로 축소
    session_id=42,
    verbose=False
)

print("전처리 후 데이터 차원:", get_config('X').shape)

클러스터링 워크플로우​

from pycaret.clustering import *
from pycaret.datasets import get_data

# 1. 데이터 로드
data = get_data('jewellery')

# 2. 환경 설정
clust = setup(data, normalize=True, session_id=42, verbose=False)

# 3. 최적 K 탐색 (엘보우)
# 057 plot_model() 사용 또는 수동 반복

# 4. 모델 생성
kmeans = create_model('kmeans', num_clusters=4)

# 5. 평가
plot_model(kmeans, plot='silhouette')

# 6. 레이블 할당
result = assign_model(kmeans)

# 7. 프로파일링
profile = result.groupby('Cluster').mean()
print(profile)

# 8. 저장
save_model(kmeans, 'final_clustering_model')

정리​

  • setup()으로 클러스터링 환경 설정
  • normalize=True가 클러스터링에서 매우 중요
  • create_model()로 다양한 알고리즘 적용
  • assign_model()로 클러스터 레이블 확인
  • plot_model()로 결과 시각화
  • predict_model()로 새 데이터 예측

다음 글 예고​

다음 글에서는 K-Means 클러스터링 상세를 다룹니다.

PyCaret 머신러닝 마스터 시리즈 #057