<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Tamagotchi on Medium]]></title>
        <description><![CDATA[Stories by Tamagotchi on Medium]]></description>
        <link>https://medium.com/@tamagotchii?source=rss-6d07e17204b8------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*449A7LtKNizUB22V.jpg</url>
            <title>Stories by Tamagotchi on Medium</title>
            <link>https://medium.com/@tamagotchii?source=rss-6d07e17204b8------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 13:00:10 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@tamagotchii/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Unsupervised Learning — Clustering and PCA, Pokemon Dataset — Botnoi Classroom]]></title>
            <link>https://medium.com/@tamagotchii/unsupervised-learning-clustering-and-pca-pokemon-dataset-botnoi-classroom-7f51c20ab78f?source=rss-6d07e17204b8------2</link>
            <guid isPermaLink="false">https://medium.com/p/7f51c20ab78f</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[clustering]]></category>
            <category><![CDATA[unsupervised-learning]]></category>
            <category><![CDATA[dimensionality-reduction]]></category>
            <dc:creator><![CDATA[Tamagotchi]]></dc:creator>
            <pubDate>Thu, 24 Oct 2019 17:41:19 GMT</pubDate>
            <atom:updated>2019-10-25T06:48:36.060Z</atom:updated>
            <content:encoded><![CDATA[<h3>Unsupervised Learning - Clustering and PCA, Pokemon Dataset — Botnoi Classroom</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*F6r3crFEbxnoNXIm.jpg" /></figure><p>สวัสดีครับบ เมื่อวันจันทร์ที่ผ่านมา (21/10/2562) ผมได้มีโอกาสไปเรียนที่บริษัท Botnoi ซึ่งได้มีการเปิดสอนสำหรับคนที่สนใจด้าน Data Science ในวันนั้นเป็นการสอนในหัวข้อ ‘Unsupervised Learning -Clustering and PCA (overview)’ โดยรูปแบบการสอนจะเป็นการสอนทฤษฎี 1 ชั่วโมง และ Workshop 2 ชั่วโมงครับ</p><p>ซึ่งในบทความนี้ผมจะนำ Workshop ที่ได้ทำไปมาเล่าทุกคนให้ฟัง ฝากติดตามกันด้วยนะครับบบ</p><p>Clustering หรือการจัดกลุ่มข้อมูล เป็นวิธีนึงใน Machine Learning ประเภท Unsupervised Learning ซึ่ง clustering เป็นวิธีที่ machine จะหาความสัมพันธ์ของข้อมูล เพื่อแบ่งข้อมูลออกเป็นกลุ่มๆ ตัวอย่างการนำไปใช้งาน เช่น การแบ่งกลุ่มลูกค้า (Customer Segmentation) ตามพฤติกรรมการซื้อสินค้า</p><p>เริ่มจาก Import Library ที่จำเป็น น่าจะคุ้นเคยกันอยู่แล้วสำหรับ numpy และ pandas<br>ส่วน plot_3d_chart เป็น library สำหรับการ plot กราฟ 3 มิติ ครับ</p><pre>import numpy as np<br>import pandas as pd<br>from plot_3d_chart import *</pre><p>Dataset ที่เราจะใช้กันในคลาสคือ Pokemon ครับ ซึ่ง Dataset นี้จะประกอบไปด้วย ข้อมูลของ Pokemon แต่ละตัว มาดูกันดีกว่าว่า Dataset ของเรามีหน้าตาเป็นอย่างไร</p><pre>df = pd.read_csv(&#39;pokemon.csv&#39;)<br>df.head()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RL9pPYh2n5czMo5B_DW80w.png" /></figure><p>เราจะใช้ ‘._get_numeric_data()’ ซึ่งจะทำให้ Data ของเราเหลือแค่ข้อมูลที่เป็นตัวเลขเท่านั้น เนื่องจาก Machine Learning Model ต้องการเฉพาะ Input ที่เป็นตัวเลข</p><p>ถ้าเราต้องการจะใช้ Feature อื่นๆ ที่ไม่เป็นตัวเลข เช่น ‘Type 1’ เราก็ต้องทำการแปลงเป็นตัวเลขก่อนโดยใช้ LabelEncoder หรือ Getdummie ตามความเหมาะสมของข้อมูลนั้นๆ แต่ในวันนี้ผมขอพูดถึงภาพรวมของการทำ Clustering เป็นหลักก่อนนะครับ</p><p>Column ‘#’ เป็น Column บอก Index ของโปเกม่อนตัวนั้นๆ ซึ่งแน่นอนว่าเราก็จะไม่นำมาเป็น Feature ในการทำ Clustering จึงดรอปทิ้งไปเช่นกัน</p><pre>feat = df._get_numeric_data()<br>feat = feat.drop(&#39;#&#39;, axis=1)<br>feat.head()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/771/1*14fZH9UEmOIIoDFyuQ-5qQ.png" /></figure><p>แปลง Column ‘Legendary’ เป็น type int ซึ่งจริงๆขั้นตอนนี้ไม่จำเป็นต้องทำก็ได้ เพราะเมื่อเรานำ Column นี้ไปคำนวณ มันก็จะมองว่าเป็นตัวเลขอยู่แล้ว (True=1,False=0) แต่เพื่อความไม่งงก็แปลงซะหน่อบครับ 555</p><pre>feat[&#39;Legendary&#39;] = feat[&#39;Legendary&#39;].astype(int)<br>feat.head()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/763/1*nre8nB-vepWjz-BYzRor4g.png" /></figure><p>เนื่องจากข้อมูลในแต่ละ Column ที่เรามี เป็นข้อมูลที่มี Scale ค่อยข้างใกล้เคียงกัน ซึ่งเป็นสิ่งที่ดี แต่เราจะทำการปรับ Column ‘HP’ ให้มี Scale ต่างจาก Column อื่นๆ โดยการคูณด้วย 1,000 <br>เพราะเดี๋ยวผมจะพูดถึงเรื่องการทำ Scaling (การแปลงข้อมูลแต่ละ column ให้อยู่ใน scale เดียวกัน) ว่ามันมีประโยชน์ยังไง</p><pre>feat[&#39;HP&#39;] = feat[&#39;HP&#39;] * 1000<br>feat.head()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/795/1*W4-qmHVr0-W5WeUV5ldJhw.png" /></figure><p>ตอนนี้ Feature ของเราก็พร้อมแล้วสำหรับการทำ Clustering ซึ่ง Algorithm ที่เราใช้วันนี้ก็คือ K-Means Clustering ครับ</p><blockquote>การใช้ K-Means เราต้องกำหนดว่าเราต้องการจะ Cluster ข้อมูลเป็นกี่กลุ่ม หลังจากนั้น Algorithm จะ<strong>สุ่ม</strong>วางจุดศูนย์กลางของการจัดกลุ่ม (Centroid) ตามจำนวนที่เรากำหนดลงบนพื้นที่ของข้อมูล โดยจะมีการคำนวณระยะห่างระหว่างจุดข้อมูล (Data point) ไปยังจุดศูนย์กลาง (Centroid) ข้อมูลไหนอยู่ใกล้จุดศูนย์กลางไหน ก็จะเข้าไปอยู่ในกลุ่มนั้น และจะคำนวณระยะทางรวมทั้งหมดระหว่างจุดศูนย์กลางกับจุดข้อมูลของแต่ละกลุ่มมาเก็บไว้ หลังจากนั้นจะเปลี่ยนตำแหน่งจุดศูนย์กลาง ทำการจัดกลุ่มและคำนวณหาระยะทางรวมใหม่ จนกระทั่งได้ระยะทางรวมที่น้อยที่สุด</blockquote><blockquote>และเนื่องจากเป็นการสุ่มวางจุดศูนย์กลาง (Centroid) จึงเป็นไปได้ว่าในแต่ละครั้งของการ Run Clustering Model จะได้ผลลัพธ์หรือการจัดกลุ่มของข้อมูลต่างจากเดิม ปล.จุดข้อมูล(Data Point)ในที่นี้ก็หมายถึง Pokemon แต่ละตัวใน Dataset ของเรานั่นแหละครับ</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/966/0*63euj15A6dY0I9fK.png" /><figcaption><a href="http://www.learnbymarketing.com/methods/k-means-clustering/?fbclid=IwAR1XKhxk8WcXXjqbO0MZKe-WFLxako8fc2pY3B0OfHmzzujjuPZGPkliDB4">http://www.learnbymarketing.com/methods/k-means-clustering/?fbclid=IwAR1XKhxk8WcXXjqbO0MZKe-WFLxako8fc2pY3B0OfHmzzujjuPZGPkliDB4</a></figcaption></figure><p>มาต่อกันครับ.. เราจะลองแบ่ง Pokemon ใน Dataset ของเราให้เป็น 6 กลุ่มกันครับ (n_clusters = 6)<br>อย่างที่บอกไปว่า K-Means จะทำการสุ่ม Centroid จุดแรก ซึ่งทำให้การ Run Model แต่ละครั้งได้ผลลัพธ์ในการจัดกลุ่มอาจไม่เหมือนเดิม <br>ซึ่งการกำหนดค่า random_state ทำให้การ run model ครั้งถัดไปโดยใช้ random_state ค่าเดิมได้ผลลัพธ์เหมือนเดิม</p><pre>from sklearn.cluster import KMeans<br>km = KMeans(n_clusters=6, random_state=1)</pre><p>นำข้อมูลของเรามา fit เข้ากับ model และทำการแบ่งกลุ่ม โดยผลลัพธ์ที่ได้ จะเป็น array ของตัวเลขที่ระบุกลุ่มให้กับโปเกม่อนแต่ละตัวตามลำดับ ซึ่งจะประกอบไปด้วยเลข 0 ถึง 5 (6 กลุ่ม ตามที่เรากำหนด)</p><pre>km.fit(feat)<br>cluster = km.predict(feat)</pre><p>นำ array นี้ไปใส่ในชุดข้อมูลของเราโดยตั้งชื่อใหม่ว่า ‘output’ ซึ่งจะเห็นได้ว่ามี column ใหม่เพิ่มเข้ามาคือ ‘cluster’ ซึ่งเป็นการระบุว่าโปเกม่อนตัวนั้นอยู่ในกลุ่มไหน</p><pre>output = feat.copy()<br>output[&#39;cluster&#39;] = cluster<br>output.head()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/883/1*zhn4TXrsoQ5fbkDzpu8hyQ.png" /></figure><p>มาลองเช็คดูหน่อยว่า โปเกม่อนแต่ละกลุ่ม มีค่าเฉลี่ยของแต่ละ Feature เป็นเท่าไหร่</p><pre>output.groupby(by=&#39;cluster&#39;).mean()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Qiz0uw1TH4uLkkMbAXhS2g.png" /></figure><p>ลองนำมา plot ลงบน กราฟ 3 มิติ โดยใช้ Feature HP, Attack, Defense มาเป็นแกน x, y, z กันครับ เนื่องจากมี 3 แกนเราจึงเลือกมาได้แค่ 3 Feature <br>ถามว่าถ้าเราต้องการ plot กราฟ 3 มิติ โดยใช้ Feature ทั้งหมดเลยได้ไหม? ทำได้ครับ เดี๋ยวผมจะพูดถึงในเรื่องของการทำ PCA แต่ตอนนี้เรามาลอง plot โดยใช้แค่ 3 Feature กันก่อนดีกว่า</p><pre>plot_3d(df=output, labelColumn=&#39;cluster&#39;, \<br>        axisList=[&#39;HP&#39;, &#39;Attack&#39;,&#39;Defense&#39;], \<br>        clusterInterestList = [0,1,2,3,4,5])</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/783/1*K7auenKlK1UY0LkQnNSsaw.png" /></figure><p>นี่คือกราฟ 3 มิติที่เราได้จากการ plot โดยใช้ Feature 3 อย่างมาเป็นแกน คือ HP,Defense,Attack ครับบ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/897/1*4bSpSekVDpwlMBJcKlBr2Q.png" /></figure><p>ซึ่งถ้าเราลองหมุนกราฟ 3มิติ ของเราและสังเกตุดู เราจะเห็นการแบ่งกลุ่มได้ชัดเจนมากในแกนของ ‘HP’ เนื่องจากว่า Feature ‘HP’ ของเรามี Scale ที่ใหญ่กว่า Feature อื่นๆ การแบ่งกลุ่มจึงให้น้ำหนักไปทาง Feature ‘HP’ มากกว่า<br>แล้วทำอย่างไรให้ model ของเราให้น้ำหนักแต่ละ Feature ในการแบ่งกลุ่มเท่าๆกัน <br>เราจะใช้วิธีที่เรียกว่า Feature Scaling หรือการทำให้ข้อมูลอยู่ใน Scale เดียวกัน</p><p>Feature Scaling ทำได้หลายวิธี แต่วันนี้เราจะใช้วิธี Standardization (Z-score normalization) ซึ่งจะทำให้ Variance และ Mean ของแต่ละ Feature มีค่าเป็น 1 และ 0 (หรือใกล้เคียง) ตามลำดับ ซึ่งจะช่วยให้การหาระยะเพื่อจัดกลุ่ม ของ Model ไม่ผิดเพี้ยน</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/795/1*W4-qmHVr0-W5WeUV5ldJhw.png" /><figcaption>ก่อนทำ Feature Scaling</figcaption></figure><p>Standardization (Z-score normalization)</p><pre>feat_scale = (feat - feat.mean()) / feat.std()<br>feat_scale.head()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/776/1*MhF6rCwvTX-KkAUNbqa7XQ.png" /><figcaption>หลังทำ Feature Scaling (โดยนำแต่ละค่าใน column ลบด้วย Mean แล้วหารด้วย SD ของ column นั้น)</figcaption></figure><p>ซึ่งวิธีนี้จะทำให้ Mean และ SD ของข้อมูลแต่ละ Feature เป็น 0 และ 1 ตามลำดับ</p><p>ต่อไปเรามาลองทำ Clustering กันใหม่ โดยใช้ Data ที่ทำ Feature Scaling แล้ว <br>กำหนด n_cluster เป็น 6 เพื่อแบ่งเป็น 6 กลุ่ม และ random_state เป็น 1 เหมือนเดิม</p><pre>km = KMeans(n_clusters=6, random_state=1)<br>km.fit(feat_scale)<br>cluster2 = km.predict(feat_scale)</pre><p>สังเกตุดูใน Column ‘cluster’ จะเห็นว่า มีการจัดกลุ่มต่างจากเดิม (ก่อนทำ Feature scaling)</p><pre>output2 = feat_scale.copy()<br>output2[&#39;cluster&#39;] = cluster2<br>output2.head()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/847/1*XR-yZyVCrYUS2y6k_z5kRQ.png" /></figure><p>ลองมา plot กราฟ 3 มิติกันดูใหม่ โดยใช้ Feature HP,Attack,Defense มาเป็นแกนเหมือนเดิม</p><pre>plot_3d(df=output2, labelColumn=&#39;cluster&#39;, \<br>        axisList=[&#39;HP&#39;, &#39;Attack&#39;,&#39;Defense&#39;], \<br>        clusterInterestList = [0,1,2,3,4,5])</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/823/1*SS1uGcSZ9zHiqrLkcvkMSg.png" /></figure><p>ผลลัพธ์ที่ได้จากการ plot กราฟ 3 มิติจะเห็นได้ว่า ไม่ได้แบ่งกลุ่มโดย Feature ใด Feature หนึ่งอย่างชัดเจน เหมือนก่อนทำ Feature Scaling</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/803/1*vUqmCEIbyV1iZYxUIeJYkA.png" /></figure><p>กราฟอาจจะดูไม่ค่อยสวยงามเท่าไหร่ แต่ อย่าลืมนะครับว่า เรา plot กราฟโดยใช้ Feature แค่ 3 ตัว คือ ‘HP’, ’Attack’ และ ‘Defense’ เพื่อนำมาเป็นแกน</p><p>ซึ่งจริงๆแล้วเราใช้ Feature ถึง 8 ตัว ในการทำ Clustering คือ HP, Attack, Defense, Sp. Atk, Sp. Def, Speed, Generation, และ Legendary</p><p>ซึ่งสิ่งที่เราต้องทำ เพื่อที่จะ Visualize การ Clustring ของเราที่ใช้ถึง 8 Feature หรือ 8 Dimensions คือการทำ PCA ครับ</p><blockquote>Principal Component Analysis (PCA) เป็นวิธีหนึ่งในการทำ Dimensionality Reduction โดนหลักการก็คือ การนำ Feature เดิมทั้งหมดมาสร้างเป็นตัวแปรใหม่ขึ้นมา เรียกตัวแปรใหม่นี้ว่า Component<br>ซึ่งเป็นวิธีที่จะลด Dimension ลงโดยรักษา Information ไว้ให้เยอะที่สุด ซึ่งประโยชน์ของมัน นอกเหนือจากการ Visualization แล้ว ยังทำให้ Machine Learning Algorithm ทำงานได้เร็วขึ้นอีกด้วยครับ ซึ่งเป็นวิธีที่สำคัญมาก โดยเฉพาะกับ Data ที่มี Feature เยอะๆ</blockquote><p>ในที่นี้เราต้องการจะแปลง 8 Feature ของเราให้เหลือแค่ 3 components เพื่อที่เราจะนำมา plot กราฟ 3 มิติ ได้ เราก็ต้องกำหนด n_components=3</p><pre>from sklearn.decomposition import PCA<br>pca = PCA(n_components=3, random_state=1)</pre><pre>pca.fit(feat_scale)<br>feat_pca = pca.transform(feat_scale)</pre><p>ซึ่ง ‘feat_pca’ ที่ได้ จะประกอบไปด้วย array ของ component ทั้ง 3 ตัว นำarray นี้ไปรวมเข้ากับ Dataframe ล่าสุดของเรา โดยตั้งชื่อ Column ให้เป็น comp1,comp2,comp3</p><pre>output2[&#39;comp1&#39;] = feat_pca[:,0]<br>output2[&#39;comp2&#39;] = feat_pca[:,1]<br>output2[&#39;comp3&#39;] = feat_pca[:,2]<br>output2.head()</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*t1M1aLNV-2MFQ9EWrhf0iw.png" /></figure><p>ในกรอบสีฟ้า คือ component ที่เราได้หลังจากการทำ PCA ซึ่งแต่ละ Components ก็เกิดจาก Feature ทั้ง 8 ตัว ในกรอบสีแดง</p><p>คราวนี้เรามาลอง plot กราฟ 3 มิติกันดูอีกที โดนนำ comp1,comp2,comp3 มาเป็นแกน</p><pre>plot_3d(df=output2, labelColumn=&#39;cluster&#39;, \<br>        axisList=[&#39;comp1&#39;, &#39;comp2&#39;,&#39;comp3&#39;], \<br>        clusterInterestList = [0, 1, 2, 3, 4, 5])</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/833/1*qi5bksy8LjGPEc3hvyCFmw.png" /></figure><p>ซึ่งเราจะเห็นการแบ่งกลุ่มได้ค่อยข้างชัดเจนเลยทีเดียว และนี่ก็คือประโยชน์นึงของการทำ PCA ครับ แต่ก็อย่างที่บอกไปว่า PCA เป็นการวิธีการลด Dimension ของข้อมูล โดยจะรักษา Information ไว้ให้เยอะที่สุด ซึ่งหมายความว่า การทำ PCA มีโอกาสที่ Information บางส่วนจะถูกตัดออกครับ</p><p>เป็นยังไงกันบ้างครับ สำหรับการทำ Clustering เพื่อแบ่งกลุ่ม Pokemon ขอบคุณที่ติดตามอ่านกันจนจบนะครับ สำหรับบทความนี้ถ้าผิดพลาดประการใดต้องขออภัย และขอคำแนะนำจากทุกๆคนด้วยนะครับ ยังไงก็ Commend ติชมกันมาได้เลยนะครับ ไว้มีโอกาสจะมาเล่าให้ฟังอีก ขอบคุณครับบบ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7f51c20ab78f" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>