반응형 비지도학습2 [머신러닝] GMM(Gaussian Mixture Model) 군집화 GMM(Gaussian Mixture Model) 군집화 알고리즘 : 데이터가 여러 다른 모양의 가우시안 분포(Gaussian Distribution)로 결합되어 있다는 가정 하에 개별 데이터를 동일한 가우시안 분포별로 묶어주는 비지도 학습 알고리즘이다. 기하학적인 모양의 군집, 서로 겹치는 군집에 대해서도 클러스터링이 잘 수행된다. (K-Means 군집화 알고리즘의 한계점을 보완) 개별 데이터 포인트에 대해 각 정규 분포(가우시안 분포)에 속할 확률을 계산하여 할당하고, 최대 우도 추정법으로 개별 정규 분포의 평균과 분산 추정을 반복하며 학습이 진행된다. 이 시간에는 GMM 알고리즘 수행 단계를 정리해보고자 한다. 👀 GMM 알고리즘 수행 단계 GMM 알고리즘은 '예측(Expectation)'과 '최대.. 2021. 8. 19. [머신러닝] K-Means 군집화 K-Means 알고리즘 : 데이터 포인트들을 비슷한 속성의 그룹으로 묶어주는 비지도학습 알고리즘 중 하나이다. 'Centroid'라는 클러스터(군집)의 중심점 개념이 사용된다. 데이터 포인트들과 Centroid들 간 거리 계산을 통해 Centroid들의 위치가 재설정되며 학습이 진행된다. 이 시간에는 K-Means 알고리즘 수행 단계를 간단히 정리해보고자 한다. K-Means 알고리즘 수행 단계 '초기화', '학습', '새로운 데이터에 적용' 이렇게 크게 3단계로 구분할 수 있다. 1. 초기화 사용자가 처음 정하는 아래 2개 항목은 알고리즘 수행 결과에 큰 영향을 미친다. 클러스터 개수 : 최종적으로 만들고자 하는 클러스터의 개수를 정해준다. 클러스터 중심점(Centroid) 위치 설정 방법 : 중심점의.. 2021. 5. 30. 이전 1 다음 반응형
