ko527ko 님의 블로그

Cluster analysis: 군집 분석Partitioning methods: 부분 나누기 방법Hierarchical methods: 계층적 방법Density-based and grid-based methods (밀도 기반, 격자 기반 방법)- DBSCAN : high density(높은 밀도)를 가진 connected regions(연결된 지역)을 기반으로 한 density-based(밀도 기반) clustering- DENCLUE: density distribution function(밀도 분산 함수)에 기반한 clustering- Grid-based methodEvaluation of clustering (클러스터링의 평가) density(밀도)에 기반한 Clustering밀도의 척도: local..

Cluster analysis: 군집 분석Partitioning methods: 부분 나누기 방법Hierarchical methods: 계층적 방법Hierarchical clustering의 기본 개념Agglomerative hierarchical clustering (병합 계층적 군집화)Divisive hierarchical clustering (분열 일으키는 계층적 군집화)BIRCH: scalable hierarchical clustering (확장 가능한 계층적 군집화) using clustering feature(CF) trees (군집 특징 트리를 이용한)Probabilisitc hierarchical clustering (확률적인 계층적 군집화)Density-based and grid-base..

선형 회귀: 입력 데이터를 가장 잘 설명하는 기울기와 절편값을 찾는 문제 (최적화된 직선을 찾는 문제)선형 회귀의 기본식(직선의 방정식): f(x)=Wx+b- 기울기: 가중치 W- 절편: 편향 b 비선형 회귀: 곡선을 찾는 문제학습 데이터를 선형 회귀 모델에 넣으면 예측값을 출력단순 선형 회귀- 특징 x가 하나인 선형 회귀- W와 b:정확한 예측을 위해 알고리즘이 '학습'하려고 시도하는 매개 변수- x와 y는 학습 데이터를 나타내고, f(x)는 우리의 예측을 나타냄f(x) = wx + b 다중 선형 회귀- 특징이 여러 개인 복잡한 다중 선형 모델- w1, w2, w3: 계수, 가중치를 나타냄, 모델이 학습하려고 하는 매개 변수 (차원)f(x) = w1x1+w2x2+w3x3+...+wdxd+b 데이터에 가..