[AI]_11_클러스터링 <K-means>

 220201 작성

<본 블로그는 두우우부님의 알기쉬운 AI 블로그를 참고해서 공부하며 작성하였습니다>

https://doooob.tistory.com/22?category=825950 

[알기쉬운 AI - 11] 그룹에서 당신은 어떤 타입? '클러스터링'이란?

 

 

 

 

 

1. 비지도 분류 - 클러스터링

: 정의된 카테고리 정보가 제공되지 않은 데이터 학습

 

- 클러스터링

: 대량으로 모여있지만, 상세한 분류가 되어있지 않은 데이터를 그 특징으로 잘 분류해내는 방법

ex) k-means, k-means++

 

 

 

 

2. k-means

: 비슷한 것들은 같은 그룹에 속할 것이다!!

: 구매 빈도가 비슷한 사람끼리는 비슷한 높이에 있고, 비슷한 가격의 물건 구입 사람끼리는 같은 위치 세로에 있다 

: 이렇게 만들어진 영역은 매개변수 (파라미터 공간) 이라 불림

: 이 매개변수 공간에서 두 점 사이의 거리는 "비슷한 정도"

: 매개변수 공간에서의 거리가 가까운 것을 같은 그룹으로 결정해보자!

 

1) 2개의 점을 무작위로 선택

2) 각각 데이터 포인트가 1에서 선택한 점에 가장 가까운 것과 동일한 그룹이 되도록 분리

3) 각 그룹의 중심을 계산

4) 다시 각각의 점이 가장 가까운 중심에 속하도록 분류

=> 그룹화를 반복하며 매개변수 공간 데이터의 클래스 분류를 실시

=> 매번 이동해 나가는 중심을 센트로이드 (centroid)

 

 

 

 

 

3. k-means++

: 첫 번째 점을 무작위로 선택 X

: 가능한 먼 점이 첫 번째 점으로 선정

 

1) 3개의 점 선택 ( 첫 번째 점은 무작위로 하나 선택 )

2) 그 점과 거리가 멀수록 선정될 확률이 높아지도록 점 선택

3) 모든 점이 동일하게 선택되었다면, 더 먼 곳을 선정하도록 편향 만들기

4) 첫 번째, 두 번째 점의 거리의 합 ( 멀리 있는 점 )이 높은 확률이 되도록 구현 !!

5) 최초의 점이 선택되면 나머지는 K-MEANS 동일하게 중심을 계산, 센트로이드 다시 보정

=> 첫 번째 점의 선택을 변경함으로 그 분류를 형성