Python

K-Means Clustering

K-평균 군집화

  • 비지도 머신러닝 알고리즘
  • 데이터 세트를 K개의 클러스터로 분할하는 것이 목표
  • 각 군집은 서로 유사한 데이터 그룹

중심

  • 클러스터의 중심을 나타내는 특징, 공간의 지점인 K개의 중심을 식별
  • 처음에는 중심이 데이터에서 무작위로 선택

배정 단계

  • 각 데이터는 중심에서 가까운 군집에 할당(유클리드 거리 사용)

업데이트

  • 데이터를 할당 후 데이터의 평균으로 다시 계산

반복

  • 배정과 업데이트를 수렴될 때까지 반복

K선택

  • 알고리즘을 실행하기 전에 지정해야하는 매개변수 K
  • 최적 값을 찾기 위해 실루엣 분석 등 사용
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
from sklearn.cluster import KMeans
import numpy as np

np.random.seed(42)
X = np.random.rand(100, 2)

# K 할당
k = 3

# 비지도 학습
kmeans = KMeans(n_clusters=k)
kmeans.fit(X)

# 데이터 평균 계산
labels = kmeans.labels_
centroids = kmeans.cluster_centers_

# 시각화
import matplotlib.pyplot as plt

plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis', edgecolors='k')
plt.scatter(centroids[:, 0], centroids[:, 1], c='red', marker='X', s=200, label='Centroids')
plt.title('K-Means Clustering')
plt.legend()
plt.show()

Share