11장 클러스터링

클러스터링이란

어떤 데이터들이 주어졌을 때 특성이 비슷한 데이터끼리 묶어 주는 머신러닝 기법.

딥러닝을 적용할 수 있다면 더 강력해질수 있다.

클러스터링 알고리즘 유형

• K-평균 군집화(K-means) (구현 p.460)

  1. 클러스터 중심인 중심점을 구하기 위해 임의의 점을 선택
  2. 각 중심에 대한 거리를 계산하여 각 데이터를 가장 가까운 클러스터에 할당
  3. 할당된 데이터 평균을 계산하여 새로운 클러스트 중심을 결정
  4. 클러스터 할당이 변경되지 않을 때 까지 2-3번을 반복

• 가우시안 혼합 모델(Gaussian Mixture Model, GMM) : 가우시안 분포를 여러 개 혼합된 클러스터링 알고리즘. (수식과 구현 p.466)

  • 현실에 있는 복잡한 형태의 확률 분포를 K개의 가우시안 분포를 혼합하여 표현하고자 하는 것이 가우시안 혼합 분포이다.

• 자기 조직화 지도(Self-Organizing Map, SOM) : 신경 생리학적 시스템을 모델링한 것으로, 입력 패턴에 대한 정확한 정답을 주지 않고 스스로 학습을 하여 클러스터링하는 알고리즘이다. (구현 p.470)

요약

클러스터링 개념과 딥러닝을 적용한 클러스터링 모델들을 알아보고 구현하는 장이다.