Clustering

Clustering

비감독 기계 학습의 가장 일반적인 형태는 클러스터링입니다. 클러스터링 알고리즘은 해당 기능에 따라 관찰 간의 유사성을 식별하고 개별 클러스터로 그룹화합니다. 예를 들면 다음과 같습니다.

• 크기, 잎 수 및 꽃잎 수에 따라 비슷한 꽃을 그룹화합니다.
• 인구 통계 특성 및 구매 동작에 따라 유사한 고객 그룹을 식별합니다.

어떤 면에서 클러스터링 다중 클래스 분류와 유사합니다. 즉, 관찰을 개별 그룹으로 분류합니다. 차이점은 분류를 사용할 때 학습 데이터의 관찰이 속한 클래스를 이미 알고 있다는 것입니다. 알고리즘은 기능과 알려진 분류 레이블 간의 관계를 결정하여 작동합니다. 클러스터링 이전에 알려진 클러스터 레이블이 없으며 알고리즘은 기능의 유사성에 따라 데이터 관찰을 그룹화합니다.

경우에 따라 클러스터링 분류 모델을 학습하기 전에 존재하는 클래스 집합을 결정하는 데 사용됩니다. 예를 들어 클러스터링을 사용하여 고객을 그룹으로 분할한 다음 해당 그룹을 분석하여 다양한 고객 클래스(높은 가치 - 낮은 볼륨, 빈번한 소규모 구매자 등)를 식별하고 분류할 수 있습니다. 그런 다음 분류를 사용하여 클러스터링 결과의 관찰에 레이블을 지정하고 레이블이 지정된 데이터를 사용하여 새 고객이 속할 수 있는 고객 범주를 예측하는 분류 모델을 학습시킬 수 있습니다.