거리로 유사성을 표현할 수 있지만 방향이 비슷한 경우 서로 유사하다고 볼 수 있다. 경향이란 현상이나 사상 행동이 어떤 방향으로 기우는 것이다. 기울어지는 정도, 방향성이 같다면 서로 유사한 성향을 지닌다고 볼 수 있다. 유클리디안 유사도로만 생각한다면 거리로 판단하기 어려운 경우가 있다. 이럴 때 방향과 함께 표현하는 값을 벡터라고 한다. 여러 영화의 선호도를 표현하면 원점에서 좌푯값 까지 벡터로 표현할 수 있는데 벡터가 이루는 각의 크기가 작다면 방향이 비슷하고 두 사례가 서로 유사하다고 판단할 수 있고 각의 크기가 커지면 두 사례가 서로 유사하지 않다고 판단할 수 있다.

K-means 클러스터링은 비지도 학습 알고리즘이다. 주어진 데이터를 K개의 클러스터로 그룹화하는 작업을 수행 이 알고리즘은 데이터를 클러스터 내의 평균으로 표현되는 중심으로 그룹화하며, 각 데이터 포인트는 가장 가까운 중심에 할당된다. K-means 알고리즘 진행 단계는 첫 번째 K 개의 중심을 임의로 선택하거나 랜덤하게 배정하는 초기 중심 설정이다. 두 번째 각 데이터 포인트를 가장 가까운 중심에 할당한다. 세 번째, 각 클러스터의 중심을 해당 클러스터에 속한 데이터 포인트들의 평균으로 업데이트한다. 네 번째 할당과 업데이트 단계를 반복하여 클러스터의 중심이 더 이상 변하지 않을 때까지 반복한다. K-means 클러스터링은 간단하고 효율적인 알고리즘으로 데이터의 패턴을 발견하고 클러스터를 형성하는 데..

추론은 이미 알고 있는 정보로부터 논리적인 결론을 이끌어 내는 것이다. 추론 방법에는 유비 추리, 귀납 추리, 연역 추리가 있다. 유비 추리는 유추라고 하며 하나의 현상과 다른 한 개 이상의 현상들이 기본 속성이나 구조, 관계, 기능 등이 유사하면 다른 요소들도 유사할 것이라는 전제하에 추리하는 방법을 말한다. 기존에는 알지 못했던 새롱누 영역을 이해하는 데 도움이 된다. a 백신은 쥐의 질병 예방에 효과적이다 ->쥐와 사람의 유전자 구조가 유사하다 ->a백신은 사람의 질병 예방에도 효과적일 것이다. 귀납 추리는 귀납법으로 불리며 개별적인 현상이나 특수한 사실을 분석하고 현상과 사실이 포함되어 있는 보다 큰 범주의 일반화된 사실을 도출해 내는 방법이다. 개연성에 의존하거나 새로운 지식이나 이론의 발견과 ..

휴리스틱 탐색은 시간이나 정보가 부족하여 합리적으로 판단할 수 없거나 굳이 체계적이고 합리적으로 판단할 필요가 없는 경우 어림으로 탐색하는 방법이다. 언덕오르기 방법, A*알고리즘 , 최상 우선 탐색 ,빔 탐색이 있다. 언덕 오르기 기법은 적합도 검사를 통하여 주변 값을 탐색하여 적합도를 높이는 방법으로 해를 찾아간다. 빔 탐색은 적합도가 우수한 특정 개수의 노드만 확장하여 메모리에 관리하면서 목표 상태를 찾아 나가는 방법을 말한다. A*알고리즘 앞으로의 경로와 함께 지금까지 온 경로도 고려하여 최단 경로로 해를 찾는 방법이다. 목표 상태까지 남은 경로는 정확히 계산할 수 없으므로 비용 추정 함수를 사용한다. 휴리스틱 탐색큰 내비게이션, 열차 스케줄링, 게놈 분석 등에 활용된다. TSP와 휴리스틱 알고리..

분석 4단계 탐색 EDA exploratory data analysis 그래프, 평균, 편차 같은 통계적 지표를 활용하여 데이터에 대한 이해를 높인 후 데이더 전처리를 한다. 전처리가 완료된 데이터를 회귀 분석, 분류분석 등 다양한 머신러닝 기법을 활용하여 분석모델링을한다. 그 후 모델에 맞는 평가지표로 모델평가를 한다. 한 번에 적절한 분석 모델을 만들 수 없기 때문에 4단계를 비순차적으로 검토해야한다. 분석 모델링 단계에서 전체 데이터를 학습, 테스트 데이터로 나눈 후 학습 데이터를 머신러닝 모델에 적용하여 분석 모델을 만든다. 그리고 테스트 데이터를 분석 모델에 적용하여 평가 단계에 활용한다. 머신러닝은 지도,비지도 학습과 강화 학습으로 나누어진다. 지도 학습은 정답을 알려주며 학습하는 방법으로 회..