240215 THU 머신러닝 심화 - 비지도학습

 

 

0. 머신러닝 개요 (복습)

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

 

 

 

1. 군집화 이론

• 군집화(clustering)
  • 주어진 데이터 집합을 유사한 데이터들의 그룹으로 나누는 것
• 군집(cluster)
  • 나누어진 유사한 데이터의 그룹

 

✅ K-평균 군집화 (K-means Clustering)

군집화 방법 중 하나로, 주어진 데이터를 k개의 군집(클러스터)으로 묶는 알고리즘

각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작

k-평균 알고리즘 - 위키백과, 우리 모두의 백과사전

 

•  장점
  • 일반적이고 적용하기 쉬움
• 단점
  • 거리 기반으로 가까움을 측정하기 때문에 차원이 많을 수록 정확도가 떨어짐
  • 반복 횟수가 많을 수록 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
• 수행 순서

 

(1) K개 군집 수 설정

(2) 임의의 중심을 선정

(3) 해당 중심점과 거리가 가까운 데이터를 그룹화

 

(4) 데이터의 그룹의 무게 중심으로 중심점을 이동

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

 

 

 

 

2. 군집평가 지표: 실루엣 계수 (Silhouette coefficient)

군집화가 잘 되어 있다 = 다른 군집 간 거리는 떨어져 있고, 동일한 군집끼리는 가까이 있다

 

 

✅ 실루엣 분석 (silhouette analysis)

각 군집 간 거리가 얼마나 효율적으로 분리되어 있는지 측정

 

• 실루엣 계수
  • 1로 갈수록 근처의 군집과 더 멀리 떨어짐
  • 0에 가까울 수록 근처 군집과 가까워짐

$$ S(i) = \frac{b(i)-a(i)}{max(a(i),b(i))} \ 단, \ i는 데이터 $$
➡️ 특정한 데이터 i의 실루엣 계수는  얼마나 떨어져있는가($b(i) -a(i)$)가 클수록 크며,
이를 단위 정규화를 위해 $a(i), b(i)$ 값 중에 큰 값으로 나눔 

 

• 좋은 군집화의 조건
  • 실루엣 값이 높을수록(1에 가까움)
  • 개별 군집의 평균 값의 편차가 크지 않아야 함
• Python 라이브러리
  • sklearn.metrics.sihouette_score: 전제 데이터의 실루엣 계수 평균 값 반환
    • 함수 입력 값
      • X: 데이터 세트
      • labels: 레이블
      • metrics: 측정 기준 기본은 euclidean

 

✅ 실습

링크 추가

 

 

 

 

3. 그 외 군집화 방법

✅ 디비스캔 군집화(DBSCAN Clustering)

디비스캔 군집화 — 데이터 사이언스 스쿨

 

✅ 기타

• 유사도 전파 군집화(Affinity Propagation Clustering)
• 계층적 군집화(Hierarchical Clustering)
• 스펙트럴 군집화(Spectral Clustering)
• 가우시안 혼합 모델(Gaussian Mixture Model, GMM)