K-means クラスタリング
一般的によく使われるクラスタリング手法に、K-means クラスタリングがあります。不正検知において、K-means は実装がシンプルで、怪しいケースを予測するうえで比較的強力です。不正検知の課題に取り組む際の良い出発点になります。ただし、不正関連のデータはとても大きくなりがちで、特にトランザクションデータを扱う場合はなおさらです。そこで、MiniBatch K-means は大規模データセットに K-means を適用する効率的な方法であり、この演習で使用します。
前の演習でスケーリングしたデータ X_scaled が用意されています。さっそく試してみましょう。
この演習はコースの一部です
Pythonで学ぶ不正検知
演習の手順
sklearnからMiniBatchKMeansをインポートします。- クラスタ数を 8 にして minibatch kmeans モデルを初期化します。
- スケーリング済みデータにモデルを学習させます。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import MiniBatchKmeans
from sklearn.cluster import ____
# Define the model
kmeans = ____(n_clusters=____, random_state=0)
# Fit the model to the scaled data
kmeans.____(____)