혼자 공부하는 머신러닝+딥러닝 5주차

5주차 미션: k-평균 알고리즘 작동 방식 설명하기 & Ch.06(06-3) 확인 문제 풀고, 풀이 과정 정리하기

 

k-평균 알고리즘

: 랜덤하게 클러스터 중심을 정하고 클러스터를 만듭니다. 그 다음 클러스터의 중심을 이동하고 다시 클러스터를 만드는 것을 반복해서 최적의 클러스터를 구성합니다.

 

클러스터 중심

: 센트로이드라고도 부르며 k-평균 알고리즘이 만든 클러스터에 속한 샘플의 특성 평균값입니다. 

 

엘보우

: 클러스터 개수를 늘려가면서 이너셔의 변화를 관찰하여 최적의 클러스터 개수를 정하는 방법 중 하나입니다. 이너셔 감소가 꺾이는 지점이 적절한 클러스터 개수 k가 될 수 있습니다.

 

이너셔

: 클러스터 중심과 샘플 사이 거리의 제곱 합니다. 이너셔는 클러스터에 속한 샘플이 얼마나 가깝게 모여 있는지를 나타내는 값입니다. 일반적으로 클러스터 개수가 늘어나면 이너셔는 줄어듭니다.