반응형
K-평균은 군집화(Clustering)에서 가장 일반적으로 사용되는 알고리즘입니다. K-평균은 군집 중심점(centroid)이라는 특정한 임의의 지점을 선택해 해당 중심에 가장 가까운 포인트들을 선택하는 군집화 기법입니다.
군집 중심점은 선택된 포인트의 평균 지점으로 이동하고 이동된 중심점에서 다시 가까운 포인트를 선택, 다시 중심점을 평균 지점으로 이동하는 프로세스를 반복적으로 수행합니다. 모든 데이터 포인트에서 더이상 중심점의 이동이 없을 경우에 반복을 멈추고 해당 중심점에 속하는 데이터 포인트들을 군집화하는 기법입니다.
반응형
'Lecture ML' 카테고리의 다른 글
머신러닝 강좌 #36] 군집화 - GMM(Gaussian Mixture Model) 소개 (0) | 2021.08.21 |
---|---|
머신러닝 강좌 #34] 차원 축소 : SVD(Singular Value Decomposition), NMF(Non-Negative Matrix Factorization) (0) | 2021.08.17 |
머신러닝 강좌 #33] 차원 축소 : LDA(Linear Discriminant Analysis) (0) | 2021.08.17 |
머신러닝 강좌 #32] 차원 축소 : PCA(Principal Component Analysis) (0) | 2021.08.16 |
머신러닝 강좌 #31] 차원 축소 / Dimension Reduction (0) | 2021.08.16 |
머신러닝 강좌 #30] 회귀실습 - 캐글 주택 가격: 고급 회귀 기법 (1) | 2021.08.16 |
머신러닝 강좌 #29] 회귀실습 - 자전거 대여 수요 예측 (0) | 2021.08.16 |
머신러닝 강좌 #28] 로지스틱 회귀에 대해 (0) | 2021.07.09 |