■ unsupervised Clustering (무-감독 군집화)
- Partitioning algorithms(분할 알고리즘)
-출발은 랜덤한 분할
-전체 집합을 몇 개의 부분 집합으로 나누는데 부분 집합들을 다시 합쳤을 때 전체 집합이 되어야 하고 부분 집합에 속하지 않고 남겨져 있는 데이터도 없어야 함
-ex) K means clustering - Hierarchical algorithms(계층적 알고리즘)
-군집들의 트리 구조
-Top-down, divisive clustering
-Bottom-up, agglomerative clustering
■ K-Means Clustering
- k 개의 임의로 선정된 군집 중심점들에서 시작
- 데이터 포인트마다 가장 근접한 군집 중심점을 찾아 해당 군집으로 편입
- 각 군집 중심점을 해당 군집의 데이터 포인트들의 무게 중심으로 이동
- 충분히 수렴할 때까지 이를 반복
■ Problems of K-Means Clustering
- 군집 개수 결정 문제
- 초기 군집 중심 선택 문제
- 이상치 문제: 입력 데이터에 오류가 포함되어 있으면 군집에 큰 영향을 줌
■ Hierarchical Algorithm(계층적 알고리즘)
-
특징
-k-평균 군집화와 달리, 군집 수 k를 설정할 필요가 없음
-군집화 결과물인 dendrogram을 적절한 수준에서 자르면 원하는 군집을 구할 수 있음
-계산 복잡도가 O(n^3)으로서, k-평균 군집화 알고리즘보다 더 많은 계산을 요구함 -
Bottom-up(상향식 결합)
-
Top-down(하향식 분할)
eukddan