Data Navigator

Kmeans Clustering 을 활용한 데이터 기반 고객 분류¶ 연령, 소득 수준, 성별에 따른 소비 패턴을 분석하고 분류¶ In [1]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns In [5]: data = pd.read_csv('Mall_Customers.csv', index_col= 0) In [6]: data.head() Out[6]: Gender Age Annual Income (k$) Spending Score (1-100) CustomerID 1 Male 19 15 39 2 Male 21 15 81 3 Female 20 16 6 4 Female 23 16 77 5 F..

1. R에서 SOM(Self Organizing Map) 분석 하기 SOM에는 오직 숫자형 데이터만 입력할 수 있으며 모델 파라미터는 거리 함수 (보통의 경우, 유클리드 거리 사용), 그리고 격자 또는 래티스(lattice), 파라미트(폭과 높이 또는 래티스에 존재하는 셀의 수) 등을 사용 ① 경쟁 단계 : 이 단계의 각 뉴런의 가중치와 입력 데이터의 벡터간의 거리를 산출 및 비교하여 뉴런간에 경쟁#### 입력 데이터의 할당 여부를 결정할 때, 입력 데이터와 거리가 가까운 뉴런들을 선정 ② 협력 단계: 경쟁에서 선정한 뉴런은 토폴로지 이웃(Topological neighborhood) 영역에서 가장 좋은 공간 위치를 차지하게 된다. ③ 적응 단계: 이 단계에서는 승리한 뉴런의 가중치와 토폴로지 이웃 뉴런..

Traditional programing VS machine learning 기존의 프로그래밍은 개발자가 프로그래밍을 하고 인풋을 받아 프로그램으로 처리한 후 아웃풋 도출 머신러닝은 인풋과 아웃풋만 사용 중간 프로그래밍은 컴퓨터가 알아서 해줌 인풋데이터와 아웃풋 데이터를 가지고 컴퓨터를 학습시킴 머신러닝의 종류 1. Supervisied Learning 인풋 데이터와 아웃풋 데이터를 모두 컴퓨터에 알려주고 학습을 시키는 것 2. Unsupervised Learning 컴퓨터가 인풋 데이터를 가지고 알아서 아웃풋을 내주는 것 대표적으로 클러스터링이 있음. 데이터에서 비슷한 특성을 가진 것들을 컴퓨터가 알아서 구별해서 분류해줌. e.g. 과일이 가득한 자료에서 무게, 색깔, 크기 등 어떤 특정 조건을 가지고..