94년생 스피노자

이번 섹션의 3번째 주와 4번째 주는 개인 프로젝트 중심으로 이루어졌다. Warm-up이라 할만한 강의가 없었던 만큼 개인 발표 자료로 갈음한다. Logistic Regression과 Random Forest Classification을 진행한 코드고 첨부한다. 모두 행복하길 -끝-

K-평균 군집화는 저번에 올린 주성분 분석과 같이 쓰기가 좋다. K-평균 군집화로 그룹을 분류 주성분 분석으로 차원을 축소해 시각화 0. K-평균 군집화 기초 K-평균 군집화는 전체 데이터를 K개의 그룹으로 나눈다. 주어진 조건이 없다면 K개로 그룹을 나누는 방법은 무한히 많다. 따라서 K-평균 군집화에는 다음과 같은 기준이 주어진다. 각 그룹의 중심과 개별 데이터 간의 거리가 최대한 짧게 하라 위 기준 덕분에 K-평균 군집화의 결과 조밀하게 모여있는 그룹을 얻을 수 있다. 1. 데이터 불러오기 이번 예시에서는 Kaggle에서 데이터를 가져왔다. https://www.kaggle.com/uciml/breast-cancer-wisconsin-data Breast Cancer Wisconsin (Diagno..