Clustering 관련 머신러닝 모델에 대해서 질문이 있습니다.

Question

안녕하세요,머신러닝에 대해 얕은 지식으로 데이터 관련하여 공부하다가 궁금한 점이 있어 질문드립니다.K-Means 알고리즘을 사용할 때 사용되는 계산 방법이 유클리디언 거리로 알고 있는데혹시 이 방법을 거리가 아닌 데이터의 값으로 적용시킬 수 있을까요?데이터는 샘플들은 2차원 공간에 균일하게 배치되어 있고(격자) 각 좌표마다 각각의 고유한 값이 있는데, 이 값과 주변 값들의 비교를 통해 평균적으로 높은 값을 가지는 군집 N개를 찾아내는 방법을 구현해보고 싶은데요.이에 해당하는 아예 다른 모델이 있을지, 혹은 기존에 존재하는 모델에서 목적함수를 변경함으로써 구현하면 되는지 얕은 식견으로 여쭤봅니다.감사합니다.

다크브라운 · Answer

https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html내리시다 보면 학습 관련(fit, fit_predict 등) method에 sample_weight 이라는 파라미터가 있는데 관련하여 찾아보시면 좋을 것 같습니다.

rarity · Answer

X,Y 멀티 인덱스에 Data Z가 있으면 CNN convolution 이용하세요. 행렬인데 convolution 안 쓰는 것 만큼 비효율적이고 비 수학적인게 없습니다. 가설 단계부터 명확한 예측과 과정 그리고 결과를 가져다주는 통찰을 줍니다.

Clustering 관련 머신러닝 모델에 대해서 질문이 있습니다.

2개의 답변

Q&A 목록