1 Introduction to Cluster Analysis

---

☑️ what) Cluster : 데이터들의 모음

☑️ what) Cluster Analysis : 데이터의 특징에 따라 유사성을 찾아내어 나누는 것.

• 데이터가 라벨링되어 있지 않으므로 Unserpervised learning
• 데이터를 나누기 위해 Simirality / Disimirality 의 기준이 필요하다.
• 상기의 measure는 주로 거리 함수로 측정된다.

How) Clustering Approches

1. Partitioning approach $\ni$ K-means, K-mediods, CLARA
2. Hierarchical approach $\ni$ AGNES, DIANA, BIRCH, CHAMELEON, , …
3. Density-based approach $\ni$ DBSCAN, OPTICS

Quality of Clustering

• High Intra-Cluster Similarity (클러스터 내부 데이터 간 유사성 大 )
• Low Inter-Cluster similarity (클러스터 간 유사성 小 )

▶️ use) 클러스터링 응용

• 데이터 시각화, 데이터 분포 분석
• 공간 데이터 분석
• 경제 과학
• WWW

클러스터링 및 거리 함수의 요구 사항

• …

2 Basic Concepts : Centroid, Radius, Diameter, Distance

---

1. Centroid : 클러스터의 중심, 실제 데이터 포인트 X
2. Radius : 클러스터의 반경, centroid와의 평균 거리
3. Diameter : 클러스터 내부 페어의 평균 거리
4. Distance
   1. Single link : 최단 거리
   2. Complete link : 최장 거리
   3. Average
   4. Centroid
   5. Medoid