데이터를 미리 정한 k개의 클러스터로 나누는 대표적인 클러스터링 방법. k개의 중심을 임시로 정하고, 각 데이터를 가장 가까운 중심의 클러스터에 할당하는 것과 각 클러스터에 속한 데이터의 평균을 새 중심으로 삼는 것을 할당이 바뀌지 않을 때까지 반복한다. 계산이 간단하고 큰 데이터에도 사용할 수 있지만, 결과가 초깃값에 좌우되고, k를 스스로 정해야 하며, 구형이 아닌 묶음은 나누기 어렵다.
일본어 명칭: k平均法
k-평균 알고리즘(k-means)은(는) 머신러닝의 기초 등 1개 분야의 연습 문제 1개에 나와요.
분야: 머신러닝의 기초
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.
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.
k-평균 알고리즘(k-means)에 의한 클러스터링의 절차로 적절한 것은?강화 학습(Reinforcement Learning) 경사 하강법(Gradient Descent) 과적합(Overfitting) 교차 검증(Cross-validation) 비지도 학습(Unsupervised Learning) 순환 신경망(RNN) 전이 학습(Transfer Learning) 정밀도와 재현율(Precision and Recall) 정칙화(Regularization) 주성분 분석(PCA)