저번 강의시간까진 지도학습과 인공지능 즉 딥러닝에 관련해서 공부했었다
이번 강의에서는 비지도 학습 모델에 대해서 알아보자
https://mcode.co.kr/mypage/lecture_view?wm_id=993&lecture_id=5&lecture_sub=23&lecture_num=2
메타코드M
빅데이터 , AI 강의 플랫폼 & IT 현직자 모임 플랫폼ㅣ메타코드 커뮤니티 일원이 되시기 바랍니다.
mcode.co.kr
저번 개념 강의가 필요하다면 아래 링크 참고
[빅데이터분석기사] 필기 3과목 메타코드 강의 | #9 인공신경망/딥러닝 함수 개념 정리 및 문제풀
이전 내용인 분류 모델에 이어서 이번에는 인공신경망에 대해 알아보자 지도학습의 분류모델에 대한 자세한 내용은 아래 링크 참고! [빅데이터분석기사] 필기 3과목 메타코드 강의 | #8 분류모델
toonovel.tistory.com
군집분석(비지도학습)
비지도학습 : 지도학습과 달리 Y값이 없음 -> 특정 클래스의 분류가 필요함
문제1 다음 중 군집 사이의 거리를 구하기 위한 연결법에 대해 잘못 설명한 것은?
보기
1. 최단연결법 - 각 군집 내 데이터들 사이의 최소값을 이용
2. 최장연결법 - 각 군집 내 데이터들 사이의 최대값을 이용
3. 평균연결법 - 군집 내 오차제곱합을 이용
4. 중심연결법 - 군집 간 중신거리를 이용
- 정답 : 3번
와드연결법 : 군집 내 오차제곱합을 이용
평균연결법 : 평군 거리
문제2 분할적(비계층적) 군집분석에 해당하는 방법이 아닌 것은?
보기
1. 밀도기반 군집
2. K-MEANS 군집
3. 혼합분포 군집
4. 중심연결법
5. SOM
- 정답 4번
계층적군집 :
1) 합병형 : 단인연결법, 완전연결법, 평균연결법, 중심연결법, 와드연결법
2) 분리형 : 다이아나 방법
비계층적군집:
1) 프로토타입기반 : K-중심군집( K-평균군집, K-중앙값군집, K-메도이드군집)
2) 분포기반 : 혼합분포군집
3) 밀도기반 : DBSCAN
4) 기타: 자기조직화지도 SOM
문제3 K-MEANS CLUSTERING 에 대한 설명으로 틀린것은?
보기
1. 잡음 또는 이상치에 영향을 받지 않는다
2. 계층적 군집분석보다 많은 양의 데이터를 다룰 수가 있다
3. 알고리즘이 단순하고 빠르게 수행된다
4. 최적의 K(군집수)를 찾기 위한 방법으로 elbow기법과 실루엣 기법이 있
- 정답 1번
잡음 또는 이상치에 민감함
한번 군집이 형성되면 다른 군집으로 이동 가능하다(계층적은 불가능함)
문제4 k-means 클러스터링 군집분석 순서
군집수를 임의로 선정 -> 초기 seed를 기준으로 군집 형성 -> 각 군집의 중심을 업데이트 -> 각 군집의 중심이 변하지 않을때까지 반복
