머신러닝의 기초
k-평균 알고리즘(k-means)에 의한 클러스터링의 절차로 적절한 것은?
- A모든 데이터를 하나의 클러스터에서 시작하여, 다른 데이터로부터 가장 멀리 떨어진 데이터를 차례로 떼어 내며 클러스터 수가 k가 될 때까지 분할해 나간다
- Bk개의 중심을 임시로 정하고, 각 데이터를 가장 가까운 중심의 클러스터에 할당한 뒤 클러스터별 평균을 새 중심으로 삼는 것을 할당이 바뀌지 않을 때까지 반복한다
- C클러스터를 정하려는 데이터마다 학습용 데이터 중에서 가장 가까운 k개의 데이터를 찾고, 그 레이블의 다수결로 클러스터를 정한다
정답과 해설 보기
정답: B. k개의 중심을 임시로 정하고, 각 데이터를 가장 가까운 중심의 클러스터에 할당한 뒤 클러스터별 평균을 새 중심으로 삼는 것을 할당이 바뀌지 않을 때까지 반복한다
k-평균 알고리즘은 클러스터 수 k를 먼저 정하고, (1) k개의 중심을 정한다, (2) 각 데이터를 가장 가까운 중심의 클러스터에 할당한다, (3) 각 클러스터에 속한 데이터의 평균을 새 중심으로 삼는다는 절차 중 (2)와 (3)을 할당이 바뀌지 않을 때까지 반복하는 방법입니다. 결과는 처음 중심을 고르는 방법에 좌우되며 가장 좋은 분할이 아닌 해에서 멈출 수 있으므로, 초깃값을 바꾸어 여러 번 실행하거나 k-means++ 같은 초깃값 선택 방법을 사용합니다. k의 값은 자동으로 정해지지 않으므로 엘보 기법 등을 기준으로 정합니다.