-
질문 & 답변
카테고리
-
세부 분야
딥러닝 · 머신러닝
-
해결 여부
미해결
why?6
21.02.21 00:02 작성 조회수 213
0
K-Means의 군집방식과 GMM의 군집방식의 차이점을 잘 모르겠습니다.
Q1 ) GMM에서 데이터의 밀집도를 그래프로 그린뒤 그 그래프가 여러개의 정규분포곡선으로 이루어져있다고 가정한뒤 각 데이터들을 모수추정을 하여 군집화를 한다고 이해를 했는데
K-Means 도 어떻게 보면 데이터가 가장 많이 밀집되어있는 곳에 center를 잡아 군집화를 하는거니 차이가 없지않나요?
Q2 ) 데이터를 모수추정하는과정에서 정규분포곡선의 모양이 변경되며 더이상 변경되지 않는 그래프의 모양이 될때까지 반복하는것인가요?
-> 하나의 데이터 밀집도 그래프를 여러가지의 정규분포 곡선이 다양한 조합으로 나타낼수가 있나요?
GMM을 정확히 이해하지 못한상태에서 질문을 하는거라 질문의 내용이 모호할수도있습니다..
답변을 작성해보세요.
1
권 철민
지식공유자2021.02.21
안녕하십니까,
1. K-Means는 거리 기반, GMM은 정규분포 확률에 기반한 것입니다.
일반적으로 거리기반은 수십~수백개의 Feature를 가지는 다차원에서는 정확한 군집을 적용하기 어려울수 있습니다. 또한 어떤 특정한 기하학적 분포를 분명히 가지고 있을 경우 거리가 멀더라도 이 기하학적 공간에 속한 데이터는 하나의 군집으로 볼수 있습니다. 이러한 기하학적 의미를 가지는 데이터 세트에서 GMM이 어떻게 적용되는지는 뒤 GMM강의 첫 부분에서도 말씀드리고 있으니 참조하시기 바랍니다.
그리고 다차원 데이터의 경우, 예를 들어 10개의 Feature가 있는 , 데이터 포인트 A가 데이터 포인트 B는 전반적으로 비슷한 값을 가지고 있고, A와 C는 완전히 다른 Feature 값이 5개가 있고, 상대적으로 좀 더 비슷한 값이 5개 때문에 거리가 더 가까울 수 있어서 거리기반은 A,C 를 같은 군집화 대상으로 놓을 수 있습니다. 하지만 비슷한 값 속성의 개념으로는 A와 B가 더 군집화 대상으로 맞을 가능성이 높습니다. 이처럼 거리기반은 다차원의 경우 약점이 있습니다.
2. GMM은 하나의 데이터 세트가 여러개의 정규분포 곡선을 가질 수 있다고 가정하고 진행하는 것입니다.
이게 Mixture model이며 데이터 세트의 전반적인 정규 분포는 하나로 규정 될 수 있지만 좀 더 세부적인 하위 분포가 여러개 존재하고, 이 여러개의 하위 분포를 기반으로 전반적인 정규 분포를 만들어 낸다는 가정입니다.
감사합니다.
답변 1