[n134] Clustering

Scree Plots

R - 주성분분석

 

 

Machine Learning 개요

 

지도 학습 (Supervised Learning)

데이터에 답, 라벨이 있을 대 사용 가능하다.

• 분류 (Classification) : 데이터를 기준에 따라 카테고리화 하기 위해 사용하는 알고리즘이다.
• 회귀 (Regression, Prediction) : 연속 데이터를 이용해서 결과를 예측하기 위한 알고리즘이다. 

 

 

비지도 학습 (Unsupervised Learning)

• 클러스터링 (Clustering) : 데이터를 유사한 데이터끼리 그룹화 시키는 방법이다.
• 차원 축소 (Dimensionality Reduction) : 모델링할 때 성능을 높이고자 높은 차원을 축소하는 방법이다. 

 

 

강화 학습 (Reinforcement Learning)

머신러닝의 한 방법이다. 보상/처벌 피드백을 통해서 기계 학습을 시키는 형태이다.

 

Clustering

주어진 데이터가 서로 얼마나 유사한지를 알 수 있다. 보통 EDA를 위한 방법으로 쓰이고, 예측을 위한 모델링으로 쓰이지는 않는다.

Clustering의 종류

• Hierarchical
  • Agglomerative
  • Divisive
• Point Assignment
• Hard vs. Soft Clustering
  • Hard clustering : 한 데이터는 하나의 클러스터에만 할당된다.
  • Soft clustering : 한 데이터는 여러 클러스터에 할당 가능하다.

 

Similarity

일반적으로 많이 쓰이는 방식은 Euclidean 이다. 그러나 각 목적에 따라서 다른 방식 또한 사용된다. 예시로 Euclidean, Cosine, Jaccard, Edit Distance 등이 있다.

 

 

K-Means Clustering

n-차원의 데이터가 존재 할 때, 

1) k 개의 클러스터를 만들고자 할 때, k개의 랜덤 데이터를 cluster의 중심점으로 설정한다.

2) 각 cluster에 근처에 있는 데이터를 해당 cluster로 할당한다.

3) 새로 추가된 데이터에 대해서 각 cluster의 중심점을 새로 계산한다.

cluster에 의미 있는 변화가 없을 때 까지 위의 과정(2, 3번)을 반복한다.

from sklearn.cluster import KMeans 
kmeans = KMeans(n_clusters = 2, random_state=42)
kmeans.fit(df_standardized)
labels = kmeans.labels_

print(labels)

 

중심점 (Centroid) 계산

중심점 (Centroid)는 각 클러스터 내부에서 가장 중심에 위치한 점을 의미한다. 

 

 

부트캠프 공부 내용 한 눈에 보기

[인덱스] 코드 스테이츠 AI 부트캠프