KMeans 군집화 알고리즘을 사용할 때 고민이 필요한 부분 중 한 가지, 군집수(클러스터 수) k 결정. 군집분석은 비지도학습 방법 중 하나이고, 비지도학습에서는 보통 타겟값 혹은 목표값이 없는 데이터를 사용하기 때문에 군집화가 잘 되었는지, 혹은 적정 클러스터(군집
비슷한 특성을 지닌 데이터들끼리 묶어 K개의 군집으로 군집화각 군집의 평균(mean)을 활용하여 K개의 군집으로 묶음군집의 중심점을 centroid라고 함 1) 군집수 K 설정하기K-Menas 알고리즘의 한계점 중 하나는 군집의 개수 설정을 어떻게 하느냐에 따라 결과가
(주절주절) 열심히 정리하다가 ctrl+s를 눌렀어야 했는데 w를 눌렀나... 그러니 창이 꺼졌다. 임시저장도 안되어 있고... 어제는 서버에서 폴더명 바꾸려고 뒤에 ~ 붙이고 엔터치니 폴더가 숨겨져서 다른 분이 도와주셨다... 무튼 나중에 나중에... -2022.06
단순히 주성분 분석이라기보다는 주성분이 될 수 있는 형태로 내가 가지고 있는 기존 데이터에 어떤 변환을 가하는 것, 내가 가지고 있는 데이터에 어떤 기준에 의해서 어떤 변환이 생기게 되고 그 변환으로 인해 주성분이 추출됨, 원래 변수가 가지고 있는 의미, 즉 열의 의미
1 앙상블 Ensemble :여러가지 우수한 학습 모델을 조합해 예측력을 향상시키는 모델장점 : 단일 모델에 비해서 분류 성능이 우수단점 : 모델 결과의 해석이 어렵고, 예측 시간이 많이 소요됨앙상블 알고리즘 : Bagging(배깅), Boosting(부스팅)(맞추기