|
K-means 클러스터링 알고리즘
K-means 클러스터링 알고리즘은 군집 영역에 속하는 모든 점으로부터 군집 중심까지의 거리의 제곱의 합으로 정의되는 성능 지표를 최소화하는데 바탕을 둔 방법이다
이 방법은 다음과 같은 단계로 구성 된다.
- 단
|
|
|
- 이택호/강정원 저, 북넷, 2013
국제경영학 - 김신 저, 박영사, 2012
경영학원론 - Gulati Mayo 외 1명 저, 카오스북, 2016 I. 수학적 의사결정기법
II. OR의사결정기법
III. 새로운 의사결정기법
1. 델파이기법
2. 휴리스틱기법
* 참고문헌
|
|
|
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 하지만 한 번의 iteration을 위해서는 모든 데이터를 읽어야
|
|
|
알고리즘에만 전적으로 의존하려고 해서는 안 된다. 왜냐하면 궁극적인 분석의 목적이 최적의 해결방안을 얻고자 하는 데에 있다기 보다는, 오히려 올바로 구조화된 문제에 대하여 비록 과학성은 떨어지더라도 근접한 해결방안을 찾아 낼 수
|
|
|
알고리즘(error back propag
ation algorithm)이 사용 된다. 이 때 인공 신경망은 과거 자료와 미래 자료들 사이의 비선형 대응시키는 것으로 생각될 수 있다. 따라서 학습은 과거와 미래 자료들 사이의 관계를 추정하는 대응을 이루어 내기 위해 가중치
|
|
메뉴펼치기
