모두를 위한 머신러닝 과제 2(케이묵, K-MOOC)
- 최초 등록일
- 2023.11.29
- 최종 저작일
- 2023.11
- 5페이지/ MS 워드
- 가격 4,900원
소개글
"모두를 위한 머신러닝 과제 2(케이묵, K-MOOC)"에 대한 내용입니다.
세종대 머신러닝 과제에 관한 내용입니다 먼저 이 자료를 구매하기 전 먼저 직접 풀어보시고 이 자료를 구매하시기 바래요.
강의를 듣고 과제까지 총 3시간이 걸렸지만 금방할 수 있으니 반드시 꼭 풀어보시기 바래요. 그럼에도 불구하고 구매하신다면 구매하시고 바로 제출해도 될만큼 완벽하게 풀었어요.
목차
(1)데이터들과 클러스터 중심의 초기값들을 2차원 특징 공간 상에 함께 표시하고, 각 데이터 포인트들이 어느 클러스터에 속하는지 판단하여 다음의 표를 완성하시오.
(2) 클러스터 중심을 이동시키고 업데이트 된 클러스터 중심의 값을 구하시오.
(3) 업데이트 된 클러스터 중심을 2차원 특징 공간 상에 데이터들과 함께 표시하고, 각 데이터 포인트들이 어느 클러스터에 속하는지 판단하여 다음 표를 완성하시오.
(4) 각 클러스터 중심의 업데이트가 필요한가? 만일 필요하다면 업데이트된 클러스터 중심의 값을 구하시오. 만일 필요하지 않다면, 그 이유를 설명하시오.
(5) 새로운 데이터 (0, 0), (2, 0), (0, 1)이 주어졌을 때, 이 데이터들과 클러스터 중심을 2차원 특징 공간 상에 함께 표시하고, 이 데이터들이 어느 클러스터에 속하는지 판단하여 다음 표를 완성하시오:
본문내용
1)데이터들과 클러스터 중심의 초기값들을 2차원 특징 공간 상에 함께 표시하고, 각 데이터 포인트들이 어느 클러스터에 속하는지 판단하여 다음의 표를 완성하시오.
클러스터 1의 중심을 (-1,1) 임을, 클러스터2의 중심을 (1,-0.5)라는 것을 알 수 있다. 알고 있다. 유클리드거리 공식을 이용하여 클러스터 중심과의 거리를 구해 다음과 같은 결과를 얻을 수 있다.
<중 략>
(2) 클러스터 중심을 이동시키고 업데이트 된 클러스터 중심의 값을 구하시오.
cluster k에 속해 있는 모든 데이터 포인트들을 전부 다 더하고 그 개수만큼 나눠줌으로써 나온 평균값을 Cluster centroids로 이용하면 Cluster centroids를 업데이트 할 수 있다.
새로운 Centroids1의 값을 계산을 해보면 다음과 같다.
( {(-1)+(0)+(-1)}x1/3, {(1)+(0.5)+(-0.5)}x1/3 ) = (-0.67 , 0.34)
새로운 Centroids1의 값은 (-0.6 , 0.3)
(쉬운 계산을 위해 소수점 2번째 자리는 생략함)
새로운 Centroids2의 값을 계산을 해보면 다음과 같다.
({(1)+(0)+(1)}x1/3, {(1)+(-1)+(-0.5)} x 1/3) = (2/3, -1/6)
새로운 Centroids 2의 값은 (0.6 , -0.1)
(쉬운 계산을 위해 소수점 2번째 자리는 생략함)
참고 자료
없음