검색 결과

"K-Means 클러스터링"에 대한 검색 결과 (총 5개)

Agglomerative

기술 > 데이터과학 > 분석 | 익명 | 2026-01-13 | 조회수 61

Agglomerative 개요 Agglomerative는 군집화(Clustering) 기법 중 하나로, 계층적 군집화(Hierarchical Clustering)의 대표적인 하향식 접근 방식입니다. 이 알고리즘은 각 데이터 포인트를 초기에 개별 군집으로 간주한 후, 유사도가 높은 군집을 점진적으로 병합하여 하나의 큰 군집으로 만드는 하향식(bottom-up…

#Agglomerative #계층적 군집화 #덴드로그램 #Ward’s Method #비지도 학습

Min-Max 정규화

기술 > 데이터과학 > 데이터 정제 | 익명 | 2025-10-03 | 조회수 79

Min-Max 정규화 개요 Min-Max 정규화(Min-Max Normalization)는 데이터 과학 및 머신러닝 분야에서 널리 사용 데이터 정제(Data Preprocessing) 기법 중 하나로, 수치형 변수의 스케일을 일정한 범위로 조정하는 정규화(Normalization) 방법입니다. 이 기법은 데이터의 최소값과 최대값을 기준으로 모든 값을 0에서…

#Min-Max 정규화 #데이터 정제 #scikit-learn #수치형 데이터 #전처리 기법

실루엣 점수

기술 > 데이터과학 > 분석 | 익명 | 2025-07-12 | 조회수 127

실루엣 점수 개요/소개 실루엣 점수(Silhouette Score)는 클러스터링 알고리즘의 성능을 평가하는 데 사용되는 지표로, 데이터 포인트가 자신의 클러스터에 얼마나 잘 속해 있는지를 측정합니다. 이 점수는 -1에서 1 사이의 값을 가지며, 1에 가까울수록 클러스터 간 분리도가 높고, -1에 가까우면 클러스터 내부의 유사도가 낮음을 의미합니다. 실루엣 …

#Silhouette Score #Clustering Evaluation #K-means Clustering #Data Science Applications #Cluster Validation Metrics #Silhouette Score Calculation #Data Science Analysis

DBSCAN

기술 > 데이터과학 > 분석 | 익명 | 2025-07-12 | 조회수 150

DBSCAN 개요/소개 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)은 데이터 포인트의 밀도를 기반으로 군집을 형성하는 비모수적 클러스터링 알고리즘입니다. 1996년 Martin Ester 등이 제안한 알고리즘으로, K-means와 같은 전통적인 클러스터링 방법과 달리 사전에 군집 …

#DBSCAN #Density-Based Clustering #Epsilon #min_samples #Core Point #Noise Detection #Anomaly Detection #Scikit-Learn #Data Mining

계층적 클러스터링

기술 > 데이터과학 > 분석 | 익명 | 2025-07-12 | 조회수 131

계층적 클러스터링 개요/소개 계층적 클러스터링(Hierarchical Clustering)은 데이터 포인트 간의 유사도를 기반으로 계층 구조를 형성하는 비지도 학습 알고리즘입니다. 이 방법은 데이터의 자연적인 계층 구조를 탐지하고, 군집 간 관계를 시각화하는 데 효과적입니다. 주로 생물학, 마케팅 분석, 이미지 처리 등 다양한 분야에서 활용되며, K-mea…

#Hierarchical Clustering #Agglomerative Clustering #Dendrogram #Unsupervised Learning #Scikit-learn #Linkage Methods #Data Science #Machine Learning