K-means 클러스터링 알고리즘을 단계별 애니메이션으로 배우세요. 데이터 포인트 추가, 센트로이드 이동, SSE 수렴 과정을 실시간으로 확인합니다. 엘보 방법, 비볼록 한계까지 체험.
K-means는 데이터를 K개의 군집으로 나누는 비지도 학습 알고리즘입니다. 각 데이터 포인트를 가장 가까운 센트로이드(중심점)에 할당하고, 센트로이드를 재계산하는 과정을 수렴할 때까지 반복합니다.
엘보 방법(Elbow Method)이 가장 널리 쓰입니다. K를 1부터 늘려가며 SSE(Sum of Squared Errors)를 그래프로 그리면, 감소폭이 급격히 줄어드는 "팔꿈치" 지점이 최적의 K입니다.
K-means는 볼록(convex) 형태의 군집에 최적화되어 있어, 달 모양이나 고리 모양 같은 비볼록 군집을 제대로 분류하지 못합니다. 또한 초기 센트로이드 위치에 따라 결과가 달라질 수 있으며, K를 사전에 지정해야 합니다.
K-means는 데이터를 K개의 군집으로 나누는 비지도 학습 알고리즘입니다. 각 데이터 포인트를 가장 가까운 센트로이드(중심점)에 할당하고, 센트로이드를 재계산하는 과정을 수렴할 때까지 반복합니다.
엘보 방법(Elbow Method)이 가장 널리 쓰입니다. K를 1부터 늘려가며 SSE(Sum of Squared Errors)를 그래프로 그리면, 감소폭이 급격히 줄어드는 "팔꿈치" 지점이 최적의 K입니다.
K-means는 볼록(convex) 형태의 군집에 최적화되어 있어, 달 모양이나 고리 모양 같은 비볼록 군집을 제대로 분류하지 못합니다. 또한 초기 센트로이드 위치에 따라 결과가 달라질 수 있으며, K를 사전에 지정해야 합니다.
데이터 포인트를 K개 군집으로 나누는 과정을 단계별로 관찰하세요
캔버스를 클릭하면 포인트를 추가할 수 있습니다