Fast Campus: Data Analytics 21일차 (5/10)

 Lecture 21 - Clustering

clustering(군집화) 

● 유사한 개체(row, observation)를 군집으로 묶는 작업. 

● 어떤 개체가 어떤 군집인지 사전에 전혀 정보가 없다. 

● unsupervised model의 하나. 

○ unsupervised model: trying to find hidden structure in unlabeled data

거리 구하기 거리(distance): 

두 개체(observation, row)가 얼마나 떨어져 있는지 측정한 숫자. 특히, Euclidean distance를 주로 사용

k‐means 

1. k개의 군집(cluster)을 만들기로 미리 결정 

2. 무작위로 k개의 무게 중심(centroid)을 선정(시작점) 

3. centroid로 Voronoi diagram을 그리고 평균을 계산히여 새로운 cetroid 선정 

4. the within­ cluster sum of squares (WCSS)가 최소가 될 때까지 2­3반복

?dist     

method the distance measure to be used.

       This must be one of "euclidean", "maximum", "manhattan", "canberra", "binary" or "minkowski". 

Any unambiguous substring can be given.

euclidean sqrt(sum_i (x_i ­ y_i)^2)) 

maximum max_i |x_i ­ y_i| 

manhattan sum_i |x_i ­ y_i|

canberra sum_i |x_i ­ y_i| / |x_i + y_i| weighted version of manhattan distance 

binary Jaccard 

index 

minkowski (sum_i (x_i ­ y_i)^p)^(1/p)

Hierachical clustering 

1. 각 개체(observation)의 거리 행렬을 계산, 거리 행렬을 dissimliarity 척도로 사용 

2. 가장 비슷한 개체를 묶는다.

> ?hclust 

method 

the agglomeration method to be used. 

This should be (an unambiguous abbreviation of) one of "ward.D", "ward.D2", "single", "complete", "average" (= UPGMA), "mcquitty" (= WPGMA), "median" (= WPGMC) or "centroid" (= UPGMC).