데이터로그😎

군집화를 실행한 후 군집화가 얼마나 효율적으로 됐는지 어떻게 평가할까? 군집화의 성능을 평가하는 대표적인 방법 : 실루엣 분석 실루엣 분석 (silhouette analysis) 각 군집 간의 거리가 얼마나 *효율적으로 분리*돼 있는지를 나타냄 효율적으로 분리되어 있다 = 다른 군집과의 거리는 멀고 동일 군집끼리의 데이터는 가깝게 뭉쳐있다. 실루엣 분석은 실루엣 계수를 기반으로 한다. 실루엣 계수: 개별 데이터가 가지는 군집화 지표. 같은 군집 내의 데이터와 얼마나 가깝게 군집화돼 있고, 다른 군집에 있는 데이터와는 얼마나 멀리 분리돼 있는지를 나타내는 지표. 사이킷런 메소드 sklearn.metircs.silhouette_samples(X, labels, metric='euclidean', **kwds..

비모수 추정 방법 (Non-parametric Clustering) Meanshift DBSCAN 군집 개수 사전 설정 X 기반 밀도 기반 언제 사용? 데이터가 밀도가 높은 영역에 모여있는 경우 높은 차원 데이터에 대해 특징 군집의 중심을 찾기 위해 데이터가 밀집한 영역으로 이동하는 알고리즘. ( 좀비가 이동하면서 영역을 확장하는 느낌) 데이터 분포도(밀도)를 계산하여 높은 쪽으로 군집 중심점이 이동 데이터 분포가 기하학적일 때 사용 데이터 군집의 반경 & 최소 데이터 개수를 설정하여 군집화 진행 이상치 제거 가능(noise) 파라미터 bandwidth = KDE의 대역폭h = 표준편차 대역폭 크기 설정이 군집화의 품질에 큰 영향 미침 h ↓: 뾰족한 KDE, 변동성이 큰 밀도함수, 과대적합, 중심점 많..

KMeans vs GMM k-means GMM(Gaussian Mixture Model) 군집 개수 군집 개수 parameter 사전 설정 군집 방식 거리 기반 확률 기반 언제 사용? 클러스터 개수를 미리 알고 있을 때 진행 과정 군집 개수를 n_cluster 파라미터에서 설정 → 각 군집에 가까운 데이터들이 각 군집에 소속 → 새로운 군집이 만들어지면 군집의 평균으로 중심점이 이동 → 거기서 다시 가까운 데이터 기준으로 군집 형성 → 더이상 중심점이 이동하지 않을 때까지 진행 (or max_iter로 횟수 제한) 가정: 데이터가 여러개의 가우시안 분포를 가짐 먼저 정규분포 형태 몇가지를 추출해놓고 각 데이터가 이 중 어디에 속할 것인지를 판별하는 것. 파라미터 n_clusters: 군집화할 개수 ini..

군집(clustering) 고객, 마켓, 브랜드 등을 세분화/ 이미지 검출/이상 검출.. 등에 사용됨. 데이터의 특성을 파악해서 유사한 특성을 가진 데이터들끼리 그룹화 하는 것. 데이터의 특성을 이용해 서로 다른 그룹을 구분하는데, 이를 통해 데이터의 구조나 패턴을 파악할 수 있음. 모수 추정 방법 (Parametric Clustering) 비모수 추정 방법 (Non-parametric Clustering) 정의 데이터가 특정 데이터 분포를 따른다는 가정 모수 추정 방법은 군집화할 때 사용하는 모델에 **매개변수(parameter)**를 가정하고, 이 매개변수를 추정해가며 클러스터링을 수행하는 방법입니다. 데이터가 특정분포를 따르지 않는다고 가정 비모수 추정 방법은 모델에 매개변수를 가정하지 않고, 데이..