일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- disjoint set
- 엔테크서비스
- Controller
- dto
- onclick
- 우선순위큐
- compiler
- Python
- top-down
- bottom-up
- 동적계획법
- clean code
- spring boot
- union-find
- BufferedReader
- 거쳐가는 정점
- Android Studio
- 다익스트라
- 코딩테스트
- 음수가 포함된 최단경로
- 유니온 파인드
- 기술면접
- 직무면접
- kmeans
- 최단경로
- 플로이드 와샬
- scikit-learn
- 벨만 포드 알고리즘
- Django
- Java
Archives
- Today
- Total
목록scikit-learn (1)
춤추는 개발자
Python을 활용한 K-means Clustering
클러스터링은 비지도 학습기법으로 유사한 유형의 데이터를 그룹화함으로써 숨겨진 구조를 파악합니다. 클러스터링을 활용하면 추천 엔진, 검색 엔진, 시장 세분화 등을 구현할 수 있습니다. K-means Clustering이란? "K"는 주어진 데이터를 그룹화할 수 즉, 클러스터 개수를 말합니다. "Means"는 각 클러스터의 중심과 데이터들의 평균 거리를 의미합니다. 이 때, 클러스터의 중심을 centroids라고 합니다. K-means 알고리즘은 다음과 같은 과정을 수행합니다. 1. 데이터셋에서 K개의 centroids를 임의로 지정. 2. 각 데이터들을 가장 가까운 centroids와 같은 그룹으로 할당. 3. 2번 과정에서 할당된 결과로 centroids를 다시 지정. 4. 2~3번 과정을 반복하면서 c..
Developer's_til/그외 개발 공부
2020. 10. 4. 00:38