White Whale Studio

아... 이 둘을 위해 그 얼마나 많은 삽질검색과 설치를 하였던가...-ㅅ-... 나와 같은 경로를 밟을 가능성이 높은 수많은 이들을 위해 포스팅한다..ㅠㅠ 우선 파이썬이 설치되어 있어야 한다. 당연한 말이겠지만.. 파이썬 설치에 관한 포스팅은 이전에 포스팅을 참고하길 바란다. 현재 easy_install을 지원하는 버젼이 2.6까지라고 하니 참고바란다. 추후 업데이트될것같음.. 각각에 대해 설명해보자. 파이썬 홈피의 설명이다. Easy Install is a python module (easy_install) bundled with setuptools that lets you automatically download, build, install, and manage Python packages. eas..

앞에서 군집화 기법에 대해 정리를 할때 언급했었던 계보적 방법이다. 개념적인 부분은 앞의 부분과도 겹치지만 다시한번 살펴보자. 확실히 영어가 더 인식하기에 편하다. Hierarchical Clustering 계보적 군집화는 병합적 방법과 분할적 방법으로 나뉜다. ㆍ병합적 계보적 군집화(Agglomerative) : 상향식 방법, 각 객체를 자신의 군집에 배치하고, 그 원자 군집들을 더 큰 군집으로 만들어 간다. 모든 객체가 하나의 군집이 되거나, 종료조건을 만족하면 종료, 대부분의 군집화 방법(유사성에 대한 정의만 다름) ㆍ분할적 계보적 군집화(Divisive) : 병합적 방법과 반대, 하향식, 모든 객체를 하나의 군집으로 여기면서 시작, 각 객체가 하나의 군집을 형성하게 될때까지, 혹은 적절한 개수의 ..

이것은 각막셀카! 아... 군집분석도 타이핑하려니 귀찮다.. 앞으로 생략.. ---------------------------------------------------- 앞에서 포스팅했듯이 k-means는 평균값을 구하는 연산을 수행하기 때문에 잡음이나 이상치에 민감하다고 했다. 이러한 단점을 해결하기 위해서 나온것이 k-medoids 알고리즘이다. K-medoids 알고리즘의 핵심은 평균을 구하는 대신에 군집을 대표하는 실제 객체를 선택하는 것이다. 나머지 객체들은 가장 유사한 대표 객체들로 군집화 된다. 즉, K-means에서 평균을 계산해서 평균값을 기준으로하여 가장 가까운 객체들은 특정 군집에 할당을 했다면, K-medoids는 실제로 존재하는 객체들 중에 하나를 선택하여 대표 객체로 선정하고 ..