유클리드 거리

[ML] K-Means Clustering (K-평균 클러스터링)

2024.08.17

앞에 글에서 비지도학습의 기법들에 데하여 알아보았습니다.이번에는 그 중 하나인 K-Means Clustering (K-평균 클러스터링)에 데하여 알아보겠습니다. K-평균 클러스터링은 데이터를 K개의 군집으로 나누어 각 데이터 포인트를 유사한 특성을 가진 그룹으로 묶는 군집화 알고리즘입니다.이를 통해 데이터의 구조를 이해하고, 데이터 분석 및 시각화를 용이하게 할 수 있습니다.K-Means Clustering의 특징K-평균 클러스터링의 특징은 여러개가 있습니다. 한번 알아보겠습니다. 1. 군집 수 K: 사용자가 군집 수 K를 사전에 정의해야 하며, 이 값은 모델의 성능에 직결되는 중요한 하이퍼파라미터입니다.적절한 K를 선택하는 것이 군집화의 성공 여부에 큰 영향을 미칩니다. 2. 거리 기반 알고리즘: K..

📇 Machine Learning

[ML] K-Nearest Neighbors, K-NN (K-최근접 이웃)

2024.08.07

이번엔는 K-NN에 데하여 한번 알아보겠습니다.K-NN 이란?K-NN(최근접 이웃 알고리즘)은 데이터 분류 및 회귀 문제에서 널리 사용되는 비모수적 기계 학습 알고리즘입니다.입력 데이터 포인트의 클래스를 예측하기 위해 그 데이터 포인트와 가장 가까운 K개의 이웃을 기반으로 결정을 내리는 알고리즘입니다.K-NN은 분류(Classification)와 회귀(Regression) 문제 모두에 사용될 수 있습니다.K-NN의 주요 특징1. 비모수적 방법K-NN은 데이터 분포에 대해 특정한 가정을 하지 않는 비모수적(non-parametric) 방법입니다. 이는 데이터의 형태나 분포에 대해 사전 지식이 없어도 사용할 수 있다는 것을 의미합니다.2. 메모리 기반모델을 학습하는 과정이 없고, 예측 시에 모든 학습 데이터..

[ML] K-Means Clustering (K-평균 클러스터링)

[ML] K-Nearest Neighbors, K-NN (K-최근접 이웃)

티스토리툴바