Ahn9807: 새 문서: 분류: 비지도 학습 == 개요 == K는 클러스터링 할 숫자를 말한다. 알고리즘은 반복을 수행하면서 클러스터링을 수행한다. 사실 이 알고리즘은 Voronoi Graph를 생성하는 것과 매우 비슷한 알고리즘을 가진다. 매우 휴리스틱한 방법이지만, 매우 효과적으로 잘 작동한다. K means알고리즘은 수렴을 보장하지만, 최적의 해를 구한다는 보장은 하지 못한다. 또한 데이터...

2023-02-21T01:26:22Z

새 문서: 분류: 비지도 학습 == 개요 == K는 클러스터링 할 숫자를 말한다. 알고리즘은 반복을 수행하면서 클러스터링을 수행한다. 사실 이 알고리즘은 Voronoi Graph를 생성하는 것과 매우 비슷한 알고리즘을 가진다. 매우 휴리스틱한 방법이지만, 매우 효과적으로 잘 작동한다. K means알고리즘은 수렴을 보장하지만, 최적의 해를 구한다는 보장은 하지 못한다. 또한 데이터...

새 문서

[[분류: 비지도 학습]]

== 개요 ==
K는 클러스터링 할 숫자를 말한다. 알고리즘은 반복을 수행하면서 클러스터링을 수행한다. 사실 이 알고리즘은 [[Voronoi Graph]]를 생성하는 것과 매우 비슷한 알고리즘을 가진다. 매우 휴리스틱한 방법이지만, 매우 효과적으로 잘 작동한다.

K means알고리즘은 수렴을 보장하지만, 최적의 해를 구한다는 보장은 하지 못한다. 또한 데이터의 구조가 명확한 패턴이 있으면 이러한 패턴을 잘 잡아내지만 복잡한 구조를 가지고 있으면 잘 잡아내지 못한다. K-Means 알고리즘은 매우 다양한 분야에서 매우 많이 사용된다. 단순하고 간단하지만 매우 효과적인 알고리즘이다.
=== 알고리즘 ===
# K개의 랜덤한 클러스터링 센터를 구한다.
# 각각의 포인트 x에 대해서 K개의 랜덤한 클러스터링 센터중에서 가장 가까운 곳에 클러스터링 한다.
# K개의 클러스터링 센터를 분류된 포인트들의 평균으로 다시 설정한다.
# 새로 클러스터링 되는 포인트가 없을때까지 2부터의 단계를 반복한다.

== Agglomerative Clustering ==
우선 가까운 요소들을 merging시키고 이러한 작업을 점점 넓혀간다.이러한 작업을 하면 tree와 같은 유사도를 가지는 구조가 얻어진다. 이러한 tree구조에서 level of clustering을 정하면 적절하게 clustering작업이 이루어지게된다. 즉 K-Means와 비슷하게 서로 비슷한 것끼리 묶는 작업이 있지만, K값에 대한 서술이 필요없다. 그렇다면 이러한 작업에서 closes를 어떻게 정의하는냐의 문제가 있다.

K-Means algorithm - 편집 역사