「これ、あれと似てる」をシステム化する：K近傍とクラスタリングの使い分け

import numpy as npfrom sklearn.metrics.pairwise import cosine_similarityimport Levenshtein
# ① ユークリッド距離a = np.array([3, 4]); b = np.array([6, 8])print(f"ユークリッド距離: {np.linalg.norm(a - b):.2f}")  # 5.00
# ② コサイン類似度: 嗜好(5商品への評価)が似てるかuser1 = np.array([[5, 4, 0, 1, 2]])user2 = np.array([[4, 5, 1, 0, 1]])  # 似た嗜好user3 = np.array([[0, 1, 5, 5, 4]])  # 真逆の嗜好print(f"u1 vs u2: {cosine_similarity(user1, user2)[0][0]:.3f}")  # 0.880 (似てる)print(f"u1 vs u3: {cosine_similarity(user1, user3)[0][0]:.3f}")  # 0.318 (違う)
# ③ 編集距離: 名寄せでよく使うprint(Levenshtein.distance("ふくふく", "ふくふぐ"))  # 1 (1文字差)print(Levenshtein.distance("ふくふく", "ふくふくテック"))  # 3 (3文字追加)

from sklearn.datasets import make_blobsfrom sklearn.neighbors import KNeighborsClassifier
# 過去顧客200人: x=月間訪問日数, y=月間購入額(千円), label=優良(1)/一般(0)X, y = make_blobs(n_samples=200, centers=[[3, 5], [10, 25]],                  cluster_std=2.5, random_state=42)X = np.clip(X, 0, None)
# モデル学習: 過去データを覚えるだけknn = KNeighborsClassifier(n_neighbors=5)knn.fit(X, y)
# 新規顧客が来た!new_customers = np.array([    [4, 6],    # 訪問少 / 購入少 → 一般客?    [11, 22],  # 訪問多 / 購入大 → 優良客?])print(knn.predict(new_customers))# → [0 1]  (一般, 優良)

from sklearn.cluster import KMeans
# 同じ顧客データ。今回はラベル y を使わないkmeans = KMeans(n_clusters=3, n_init=10, random_state=42)cluster_labels = kmeans.fit_predict(X)
# 各クラスタの傾向を見るimport pandas as pddf = pd.DataFrame(X, columns=['訪問日数', '購入額(千円)'])df['cluster'] = cluster_labelsprint(df.groupby('cluster').agg(['mean', 'count']).round(1))# 出力例:#          訪問日数            購入額(千円)#             mean count          mean count# cluster# 0           3.5    98           5.6   98   ← ライト層# 1           9.0    72          22.4   72   ← VIP層# 2          11.8    30          27.1   30   ← スーパーVIP層