6강. 비지도학습 (07.02)

비지도 학습(Unsupervised Learning)

답을 가르쳐주지 않고 공부시키는 방법 > 연관 규칙, 군집

K-평균 군집화/알고리즘(K-means clustering)이란?

1. K개 군집 수 설정

2. 임의의 중심 선정

3. 해당 중심점과 거리가 가까운 데이터 그룹화

4. 무게 중심으로 중심점 이동

5. 다시 가까운 데이터 그룹화(3-5회 반복)

(장점) 일반적이고 적용 쉬움

(단점) 다양한 차원일 수록 정확도 떨어짐, 시간 느림, 주관적, 이상치에 취약

sklearn.cluster.KMeans

• 함수 입력 값
  • n_cluster: 군집화 갯수
  • max_iter: 최대 반복 횟수
• 메소드
  • labels_: 각 데이터 포인트가 속한 군집 중심점 레이블
  • cluster_centers: 각 군집 중심점의 좌표

군집평가 지표(실루엣 계수)

실루엣 분석으로 각 군집 간의 거리가 얼마나 효율적으로 분리되어 있는지 측정

• 실루엣 값이 높을수록(1에 가까움)
• 개별 군집의 평균 값의 편차가 크지 않을수록

sklearn.metrics.sihouette_score: 전제 데이터의 실루엣 계수 평균 값 반환

• 함수 입력 값
  • X: 데이터 세트
  • labels: 레이블
  • metrics: 측정 기준 기본은 euclidean

ex. 고객 세그멘테이션(RFM)

• Recency(R) 가장 최근 구입 일에서 오늘까지의 시간
• Frequency(F): 상품 구매 횟수
• Monetary value(M): 총 구매 금액