[마케팅] [마케팅 고객관리] 군집화

집들
크기가 다른 군집들을 가질 때의 K-Means
(a) 초기 점
(b) 3개의 군집들
K-Means와 여러 가지 유형의 군집들
밀집도 가 다른 군집들을 가질 때의 K-Means
(a) 초기 점
(b) 3개의 군집들
K-Means와 여러 가지 유형의 군집들
둥글지 않은 군집들을 가질 때의 K-Means
(a) 초기 점
(b) 2개의 군집들
K-Means와 여러 가지 유형의 군집들
하위 군집을 찾는 K-Means
(a) 크기가 다름
K-Means와 여러 가지 유형의 군집들
하위 군집을 찾는 K-Means
(a) 밀도가 다름
K-Means와 여러 가지 유형의 군집들
K-Means와 여러 가지 유형의 군집들
하위 군집을 찾는 K-Means
(a) 원형이 아닌 모양
K-Means와 여러 가지 유형의 군집들
K-Means의 확률적 버전 (가우시안 혼합 모델)
점들의 전체적인 분포가 K개의 서로 다른 확률 밀도 함수의 조합으로 설명되어진다고 가정된다.
K개 가우시안의 매개변수(평균과 분산)들이 반복적으로 조정된다. K개의 시드가 가우시안 분포의 평균으로 여겨지는 추정 단계와 관찰된 값이 나올 확률을 극대화 시키도록 매개변수를 최적화시키는 최대화 단계를 반복한다.
추정 단계에서는 각 점들에 대해 각각의 가우시안의 신뢰도를 계산한다. 이 그림에서 선의 굵기는 신뢰도를 나타내고, 신뢰도는 다음 단계에서 가중치로 사용되게 된다.
새로운 매개변수의 계산
새로운 평균은 각 점들에 대한 가우시안의 신뢰도에 따라 계산된다.
추정 단계와 최대화 단계는 가우시안이 움직이지 않을 때까지 반복된다.
전체적인 확률 분포가 여러 분포의 합이기 때문에 혼합 모델이라 불려진다.
마지막 단계에서, 각 점들은 가장 강한 신뢰도를 갖는 군집에 속하게 된다.
군집으로의 배정이 각 점들이 각각의 군집들에 속할 확률로 정규화되면 소프트 군집화라고 한다.
소프트 군집화
오른쪽 그림에서의 주어진 점은 소프트 군집화에서 보라

(보관된 자료가 없습니다)