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.
[K-Means] K-평균 Clustering 알고리즘 이해
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 군집
nicola-ml.tistory.com
실루엣 분석(Silhouette Analysis) : Clustering 적절성 분석
군집화 평가 방법으로 실루엣 분석(Shilhouette Analysis)이 있습니다. 실루엣 분석은 각 군집 간의 거리가 얼마나 효율적으로 분리돼 있는지를 나타냅니다. 효율적으로 잘 분리됐다는 것은 다른 군집
nicola-ml.tistory.com
Kmeans의 K값을 정하는 기준 : Elbow Method, Silhouette Score(실루엣 스코어)
K-means 알고리즘의 적정의 K값을 선택하는 어려움이 있습니다. 다양한 방법으로 최적의 K를 구하는 방법이 있습니다. 이 중 가장 보편적으로 사용하는 Elbow Method, Silhouette Score에 대해 알아보겠습
nicola-ml.tistory.com
'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 |
