[Megabyte School : AI 데이터 사이언티스트 취업 완성 과정] Day 52.

 

 

안녕하세요 늑대양입니다.

 

 

날씨가 다시 풀렸네요!! 좋은 가을 날씨입니다 🍂

 

 

[AI 데이터 사이언티스트 취업 완성 과정]의 52일차 일과를 정리하여 안내해드리도록 하겠습니다.

 

 

 

 

늑대양 분홍 버전!

 

 

 

 

 

Day 52 시간표:

• 머신러닝 실전
• 머신러닝 실전 (실강)

 

 

머신러닝 실전

클러스터링(Clustering)

• 비슷한 데이터끼리 묶는 방법
• 클러스터링의 (비교적) 엄밀한 정의 (Formal Definition)

 

"Cluster analysis or clustering is the task of grouping a set of objects in such a way that objects in the same group (called a cluster) are more similar (in some sense) to each other than to those in other gorups (clusters)."

 

 

• 비지도학습 문제 (Y가 없다!)
• 특정 패턴을 찾는 것을 목표로 함!
• Unsupervised classification
• 중요 포인트!
  • Data representation (feature vector)
  • Similarity measure (distance function을 자주 활용)

 

 

 

News Clustering

 

Example of news clustering

 

• ex) 비슷한 내용의 뉴스 기사 그룹화하기

 

 

 

K-Means Clustering

가장 직관적이고 이해하기 쉬운 클러스터링 방법!

K-Means Clustering

 

• 클러스터링 방법 중에 가장 대표적인 방법
• "K-평균 알고리즘"이라고도 부르며, 평균(mean)을 기준으로 데이터들을 묶어줌
• 엄청나게 빠른 속도로 수행되며, 결과가 무조건 나온다는 것이 보장!! (수렴성)

 

 

 

Process

1. 랜덤하게 K개의 데이터를 선택하여 기준으로 정한다.
2. 선택하지 않은 모든 데이터에 대해서 선택한 K개의 데이터 중 가장 가까운 데이터를 찾는다.
3. 가깝다고 정해진 데이터끼리 묶어서 새로운 클러스터를 만든다.
4. 새롭게 구성된 클러스터에 속하는 데이터들의 평균을 구한다.
5. 새로 계산한 평균을 새로운 K개의 기준으로 정한다.
6. 2번 과정 부터 다시 반복한다.
7. 새롭게 업데이트 되는 데이터가 없다면 동료한다.

 

 

 

 

 

<<< 작업 중 >>>

 

 

 

 

 

 

 

 

 

 

 

 

긴 글 읽어주셔서 감사합니다 😍