K-means (1) 썸네일형 리스트형 K-means와 DBSCAN 비교 K-means clustering K개 군집의 중심좌표를 고려하여 각 객체를 가까운 군집에 배정하는 반복적 알고리즘 군집의 개수(K)오 초기 중심점에 따라서 결과가 달라짐 이상치가 전체 거리 평균값에 영향을 주어 이상치에 민감한 단점이 있음 이를 개선하기 위해 평균 대신 중간점(medoids)을 사용하는 K-medoids clustering 방법이 있음 DBSCAN (Density-Based Spatial Clustering of Applications with Noise) eps-neighbors와 minPts를 사용하여 군집을 구성 Eps-neighbors: 한 데이터를 중심으로 epsilone 거리 이내의 데이터들을 한 군집으로 구성 minPts: 한 군집은 minPts 보다 많거나 같은 수의 데이.. 이전 1 다음
