🐹💭

Clustering 이란? "데이터 포인트"의 그룹화와 관련된 머신러닝 기술이다. (unsupervised learning) 어떠한 데이터 포인트 집합이 주어졌을 때, clustering 알고리즘을 사용하여 각 데이터 포인트를 특정 그룹으로 분류할 수 있다. 분류할 때의 기준 ① high intra-class: 하나의 그룹에는 최대한 비슷한 것끼리 ② low intra-class: 서로 다른 그룹들은 최대한 다른 것끼리 각 군집에 할당된 데이터 포인트들의 평균을 이용하여, 중심점을 반복적으로 업데이트하며 군집을 형성하는 알고리즘이다. 장점 ① 실제로 수행하는 작업이 "포인트와 그룹 중앙 사이의 거리 계산"이므로 매우 빠르다. ② 복잡도가 O(n) 이다. 단점 ① 모든 value 가 numeric 이어야 ..

Frequent Item Set 이란? 데이터를 관측할 때, 반복적으로 발견되는 패턴을 의미한다. 반복적으로 발견되어야 미래에 대한 예측이 효과적이므로 유의미하다. 전체 벌어진 경우 중에 몇 번 그 사건이 벌어졌는지에 대한 비율이 "일정 기준 이상"이면 frequent 하다고 본다. ① absolute support: 그냥 개수를 세는 것 ② relative support: absolute support 를 전체 경우로 나눈 것 ⇨ 특정 item set 이 "Minimum Supprot Threshold" 이상이면 frequent 하다고 본다. Association Rule 이란? 어떤 사건이 얼마나 자주 함께 발생하는지, 서로 얼마나 연관되어 있는지 표시하는 규칙이다. Frequent Item Set ..