비지도 학습

[ 목차 ]

 

 

머신러닝 종류 복습

1.지도학습

: 문제 (x)와 정답(y)가 주어지고 문제 (x)가 주어졌을 때 정답(y)을 맞추는 학습

 

2.비지도학습

: 답(y)을 알려주지 않고 데이터 간 유사성을 이용해서 답(y)을 지정하는 방법

 

• 머신러닝 개요

 

• 비지도 학습 예시
  • 고객 특성에 따른 그룹화
    • ex) 헤비유저, 일반유저
  • 구매 내역별로 데이터 그룹화
    • ex) 생필품 구매

비지도 학습은 데이터를 기반으로 레이블링하는 작업이라고 하면 정답이 없는 문제이기 떄문에 지도 학습보다 조금 어렵고 주관적인 판단이 개입하게 된다

 

비지도 학습 k-평균 알고리즘

• k-means clustering 이론

1. k개 군집 수 설정

2. 임의의 중심을 선정

3. 해당 중심점과 거리가 가까운 데이터를 그룹

4. 데이터의 그룹의 무게 중심으로 중심점을 이동

5. 중심점을 이동했기 때문에 다시 거리가 가까운 데이터를 그룹화 (3~5번 반복)

 

정리

• 장점 
  • 일반적이고 적용하기 쉬움
• 단점
  • 거리 기반으로 가까움을 측정하기 때문에 차원이 많을수록 정확도가 떨어짐
  • 반복 횟수가 만을수록 시간이 느려짐
  • 몇 개의 군집(k)을 선정할지 주관적임
  • 평균을 이용하기 때문에(중심점) 이상치에 취약함

Python 라이브러리

• sklearn.cluster.KMeans
• 함수 입력 값
  • n_cluster: 군집화 갯수
  • max_iter: 최대 반복 횟수
• 메소드
  • labels_: 각 데이터 포인트가 속한 군집 중심점 레이블
  • cluster_centers: 각 군집 중심점의 좌표