[sklearn] 비지도학습

 

1. EDA 스케일 조정

 

• StandardScaler
• RobustScaler
• MinMaxScaler
• Normalizer

 

지도 정보를 사용하지 않으므로 비지도 방식

fit_transform은 훈련셋에서, transform은 테스트셋에서 사용

 

 

2. 데이터 비지도 변환

 

차원축소, 특성추출, 매니폴드 학습 - 시각화, 압축, 추가 처리

 

PCA 주성분 분석	특성들이 통계적으로 상관관계 없도록 데이터셋 회전, 분산이 작은 주성분 덜어냄 특성 개수만큼 주성분 존재 고차원 데이터셋 시각화 주요 상호작용 찾아낼 수 있음 X축 - 첫번째 주성분 / Y축 - 두번째 주성분 두 축을 해석하기가 쉽지가 않음 데이터를 산점도로 시각화 가능
NMF 비음수 행렬 분해	특성 추출
t-SNE	2차원 산점도로 시각화 - 매니폴드

 

 

3. 군집

 

K-Means

• 이해 쉽고 구현 쉬움, 비교적 빠른 속도, 대용량 데이터셋
• 무작위 초기화로 알고리즘 출력이 난수 초깃값따라 달라짐
• 클러스터 모양을 가정하고 있음
• 클러스터 개수 지정 필요

 

병합군집

• 와드연결, 평균연결, 최대연결

 

DBSCAN 

 

 

 

 

 

 

 

+ 참고 자료 및 출처

 

(한빛미디어) 안드레아스 뮐러, 세라 가이도  < 파이썬 라이브러리를 활용한 머신러닝 >