Ch7. 군집화

1. K-평균 알고리즘 이해

- 사이킷런 KMeans 클래스 소개

- K-평균을 이용한 붓꽃 데이터 세트 군집화

- 군집화 알고리즘 테스트를 위한 데이터 생성

 

2. 군집 평가

- 실루엣 분석의 개요

- 붓꽃 데이터 세트를 이용한 군집 평가

- 군집별 평균 실루엣 계수의 시각화를 통한 군집 개수 최적화 방법

 

3. 평균 이동

- 평균 이동의 개요

 

4. GMM (Gaussian Mixture Model)

- GMM 소개

- GMM을 이용한 붓꽃 데이터 세트 군집화

- GMM과 K-평균의 비교

 

5. DBSCAN

- DBSCAN 개요

- DBSCAN 적용하기 - 붓꽃 데이터 세트

- DBSCAN 적용하기 - make_circles( ) 데이터 세트

 

6. 군집화 실습 - 고객 세그먼테이션

- 고객 세그먼테이션의 정의와 기법

- 데이터 세트 로딩과 데이터 클렌징

- RFM 기반 데이터 가공

- RFM 기반 고객 세그먼테이션

 

7. 정리

---

군집화 => 비지도 학습  => 데이터만. 전처리 용

: 답이 없어서 비지도. 목적은 답을 찾기 위해. => 지도 학습 돌릴 수 있음.

 

K-means: K개의 중심점 찾기

 

7-4_Gaussian_Mixture_Model.ipynb

0.08MB

7-5_DBSCAN.ipynb

0.25MB

7-6_Clustering_Practice_Customer_Segmentation.ipynb

0.48MB

7-1_KMeans.ipynb

0.01MB

7-2_Cluster evaluation.ipynb

0.14MB

7-3_Mean_Shift.ipynb

0.02MB