K-means

K-means

비지도학습의 한 종류인 클러스터링을 위한 알고리즘 중 하나

• 비지도학습(Unsupervised Learning)

데이터들과 각 클러스터와의 거리 차이의 분산을 최소화

• 클러스터링(군집)

라벨 데이터 없이 데이터 각각의 특성을 고려해 주어진 데이터를 가장 잘 설명하는 집단을 찾아 속하게 하는 것

 

K-means

주어진 데이터로 K개의 클러스터를 묶는 알고리즘

데이터들과 각 클러스터와의 거리차이의 분산을 최소화함

유사도를 기반으로 데이터들 간의 유사성을 판단함

 

K-means 알고리즘 원리

클러스터 내 응집도 최소화

클러스터 간 분리도 최대화

 

거리측정법

유클리드 거리 측정법

유클리드 거리가 큰 값을 가지면 사용자 간의 거리가 멀다는 의미, 사용자 간 유사성이 떨어짐

 

K-means 알고리즘 수행 단계

전체 클러스터의 개수 K값을 설정

초기 중심값 선택 -> 클러스터 할당 -> 새로운 중심 값 선택

1. k개의 그룹으로 군집한 n개의 점을 가지고 있고, 여기서 임의로 k개의 점을 선택, k개의 클러스터의 초기 중심값을 정한다.
2. k개의 클러스터의 중심 값과 각 개별 점(데이터)간의 거리 측정, 가장 가까운 클러스터에 해당 데이터 할당
3. 각 클러스터마다 그 안에 배정된 모든 점들 간의 거리 평균값을 구하여 새로운 중심값으로 정함

1,2,3번을 k개의 중심점이 변하지 않을 때까지 반복,

어느정도 오차범위 안에 들어오게 되면 반복 중단