[Python/BFS] BOJ-2178 미로탐색

[Python/Greedy] BOJ-11000 강의실 배정

[ML/Clustering] GMM (Gaussian Mixture Model)

GMM 군집화는 확률기반 군집화로, 군집화를 적용하고자 하는 데이터가 여러개의 가우시안 분포를 가진 데이터 집합들이 섞여서 생성된것이라는 가정하에 군집화를 수행한다. (정규분포로도 알려진 가우시안 분포는 좌우 대칭형 종 형태를 가진 통계학에서 가장 잘 알려진 연속확률 함수다.)
즉, 전체 데이터세트는 서로 다른 정규분포 형태를 가진 여러가지 확률 분포 곡선으로 구성될 수 있으며 이러한 서로 다른 정규 분포에 기반해 군집화를 수행하는 것이 GMM 군집화다.
점선은 개별 데이터에 대한 정규분포 / 실선은 전체 데이터에 대한 확률분포를 의미한다. image ref

[ML/Clustering] MeanShift

MeanShift는 중심을 데이터가 모여있는 밀도가 가장 높은 곳으로 이동시킨다. (Kmeans는 중심에 소속된 데이터의 평균거리 중심으로 이동)
평균이동 군집화는 데이터의 분포도를 이용해 군집 중심점을 찾는다. 확률 밀도 함수가 피크인점을 군집 중심점으로 선정하며 일반적으로 주어진 모델의 확률 밀도 함수를 찾기 위해 KDE(Kernel Density Estimation)를 이용한다.

Colab Mount 구글드라이브 내 파일 접근하는 방법

코랩에서 아래 코드를 실행시키면 연동할 것이냐는 메세지 창이 뜬다.

1
2

from google.colab import drive
drive.mount('/content/drive')

[ML/Clustering] Kmeans

군집화에서 가장 일반적으로 사용되는 알고리즘이다.
군집중심 이라는 특정한 임의의 지점을 선택해 해당 중심에 가장 가까운 포인트들을 선택하는 군집화 기법이다.

[ML/Clustering] Evaluation

비지도 학습의 특성상 어떠한 지표라도 정확하게 성능을 평가하기 어렵지만,일반적으로 실루엣 분석을 많이 사용한다.

[ML/Classification] Evaluation

ML은 데이터가공/변환 , 모델 학습/예측, 그리고 평가의 프로세스로 구성됩니다.
일반적으로 모델의 종류에 따라 Evaluation metric이 달라집니다.

Statistical method

Statistics Category에서는 다양한 통계방법론에 대한 해석 및 구현을 진행합니다.
아래 이미지는 완성본이 아닌 점 참고 부탁 드립니다.

[ML/FeatureExtraction] NMF(Non - Negative Matrix Factorization)

NMF는 원본행렬$V$ 내의 모든 원소값이 모두 양수라는 것이 보장되면 두 개의 양수 행렬로 분해 할 수 있다.(non-negative 데이터는 non-negative feature로 설명하는것이 좋다.)
NMF는 PCA,SVD와 같은 factorization 방법에 비해 데이터 구조를 더 잘 반영한다. link