Hoofdstuk 32 — Ongecontroleerd leren: clustering (KMeans) en dimensionality reduction (PCA)

Let op: De tekst is in het Nederlands; alle Python codevoorbeelden zijn in het Engels.

Doelen:

• Begrijpen van ongecontroleerd leren: doelen en beperkingen.
• KMeans gebruiken voor clustering en evalueren met inertia en silhouette.
• PCA toepassen voor dimensionality reduction en visualisatie.

Installatie:

pip install scikit-learn numpy pandas matplotlib

32.1 Dataset en standaardisatie

from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split

X, y = load_iris(return_X_y=True)
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

32.2 KMeans clustering

from sklearn.cluster import KMeans

kmeans = KMeans(n_clusters=3, n_init='auto', random_state=42)
labels = kmeans.fit_predict(X_scaled)
print('Inertia:', kmeans.inertia_)

32.3 Evaluatie met silhouette score

from sklearn.metrics import silhouette_score

sil = silhouette_score(X_scaled, labels)
print('Silhouette score:', sil)

32.4 PCA voor reductie en visualisatie

from sklearn.decomposition import PCA
import matplotlib.pyplot as plt

pca = PCA(n_components=2, random_state=42)
X2 = pca.fit_transform(X_scaled)
print('Explained variance ratio:', pca.explained_variance_ratio_.round(3))

plt.scatter(X2[:, 0], X2[:, 1], c=labels, cmap='tab10', s=40)
plt.xlabel('PC1'); plt.ylabel('PC2'); plt.title('KMeans clusters (PCA 2D)')
plt.show()

32.5 Het kiezen van k (elleboog‑methode)

import numpy as np
inertias = []
for k in range(2, 8):
    km = KMeans(n_clusters=k, n_init='auto', random_state=42).fit(X_scaled)
    inertias.append(km.inertia_)
print(inertias)
# Plot inertias versus k en zoek een knikpunt (elleboog)

32.6 Samenvatting

• KMeans groepeert data op basis van afstand; kies k zorgvuldig.
• Silhouette score beoordeelt clusterkwaliteit (hoger is beter).
• PCA reduceert dimensies en helpt visualiseren; verlies aan informatie is mogelijk.