|
. . . . . . . 1.1 군집분석의 개념
1.2 유사성의 측도
1) 유클리디언 측도
2) 매치형 측도
1.3 계층적 군집방법(hierarchical clustering method)
1) 단일연결법(single linkage)
2) 완전연결법(complete linkage)
3) 평균연결법(average linkage)
4) 결과의 해석
|
|
|
유사성을 나타내는 측도로 널리 쓰인다. 상관계수란 두 개체간의 선형적 관계의 정도를 의미한다. 만약 이면 두 개체가 양의 상관관계를 나타내며, 는 음의 상관관계이며, 는 상관관계가 없음을 의미한다. 이 거리의 특징은 자료의 결측이 있
|
|
|
군집분석
- 군집분석의 의의와 기본원리
- 군집분석의 목적과 수행단계
- 군집분석을 위한 사전준비단계
- 유사성/거리의 측정방법 선정
- 군집화 방법의 결정
- 군집의 해석/특성분석
- 군집분석의 활용과 유의점
2
|
|
|
분석방법이다. n개의 케이스에 대해서 p개의 특성변수가 있는 경우, 각 개체들간의 유클리드 거리행렬을 D 라고 하자. 유클리드 거리 제곱의 행렬을 이라 할 때, 개체들간의 비유사성 S 는 거리제곱의 행렬 의 선형함수로 주어지며, 이를 이용
|
|
|
군집분석의 기본원리
군집분석의 기본원리는 분석하고자 하는 객체들의 여러 가지 특성을
유사성 거리로 환산하여, 유사성 거리가 가까운 대상들을 동일한 집단으로군집화(clustering)하는 것으로, 다음과 같은 3가지 중요한 과제가 있다.
①
|
|
|
제 1절 군집분석의 의의
군집분석이란 ?
다양한 특성을 지닌 대상들을 동질적인 집단으로 분류하는 데 이용되는 기법.
대상들의 유사성을 측정하여 유사성이 높은 대상들을 집단으로 묶어줌으로써 집단 별 특성 등을 연구할 수 있게 해주
|
|
|
군집화가 가능하다. SOM은 자기조직화가 가능한 통계적 알고리즘이기 때문에 대량의 데이터를 이용한 군집화 선행 학습이 필요 없다.
K-means Clustering과 SOM은 모두 한계를 가진다. K-means 방법은 계층적 군집분석방법에 비해 거리 계산을 적게 하
|
|
|
군집분산은 분류할 집단에 특정한 대상물을 배정하여 동일 집단의 대상물이 유사성을 갖게 함으로써 집단간의 차이를 명확하게 하는 군집분석이 이용된다, 군집분석은 모든 케이스에 대한 집단이 사전에 알려지지 않으며 집단의 수가 몇 개
|
|
|
측도로 하여 한반도 기후 환경의 지역별 일기 대표성과 범위를 설정했다. 이에 따라 최소 일기 엔트로피가 출현한 것에 따라서 8개형의 지형이 나타났으며 주성분 분석에 의해서 연 변화에 따른 일기 엔트로피는 16개형의 지역으로 분류되었
|
|
|
군집은 168개, 2번군집은 166개, 3번군집은 153개로 나눌 수 있다.
Chapter 21)
1. 다음의 IT회사들의(만약 이들이 익숙하지 않은 경우에도 당신의 느낌을 이용하여) 가능한 1부터 7까지로의 모든 쌍에 유사성 순위를 제공하시오 : Apple, Cisco, Compaq/HP, Del
|
|
메뉴펼치기
