Keyboard shortcuts

Press ← or → to navigate between chapters

Press ? to show this help

Press Esc to hide this help

K-means 군집화

항목값
화면 이름K-means clustering
식별자kmeansV1
지원 실행 방식Batch
범주열, 행과 실행 제어 (Other)

벡터를 k개 군집으로 나누는 비지도 학습입니다. 최소 k와 최대 k 사이의 후보에서 실루엣 점수가 가장 좋은 k를 선택합니다. Number of k values는 두 경계를 포함한 범위에서 시도할 k의 개수를 정합니다.

입력 인자

이름지정 여부자료형의미와 조건
Input dataset필수Table벡터 열이 있는 원천 데이터셋입니다.
Maximum k필수Literal<Integer>최대 군집 수입니다.
Minimum k필수Literal<Integer>최소 군집 수입니다.
Number of k values필수Literal<Integer>최소 k부터 최대 k 사이에서 시험할 k의 개수입니다. 그 수만큼 군집 모델을 학습하므로 값이 크면 실행이 느려질 수 있습니다. 실루엣 점수로 최적 모델을 선택합니다.
Vector column필수Column<Array<Float>>군집화에 사용할 float 벡터 열입니다.

입출력 예시

예시 1: 기본 동작

인자 값:

  • Input dataset: ri.foundry.main.dataset.a
  • Maximum k: 12
  • Minimum k: 3
  • Number of k values: 4
  • Vector column: feature_column

입력:

feature_column
[ 0.05, 3.1, 2.3 ]
[ 1.0, 3.1, 2.3 ]
[ 1.0, 3.5, 2.3 ]
[ 19.0, 12.3, -1.4 ]

출력:

feature_columncluster_id
[ 1.0, 3.1, 2.3 ]0
[ 1.0, 3.5, 2.3 ]0
[ 19.0, 12.3, -1.4 ]1
[ 0.05, 3.1, 2.3 ]2

예시 2: null 처리

인자 값:

  • Input dataset: ri.foundry.main.dataset.a
  • Maximum k: 12
  • Minimum k: 3
  • Number of k values: 4
  • Vector column: feature_column

입력:

feature_column
[ 0.05, 3.1, 2.3 ]
null
[ 1.0, 3.1, 2.3 ]
[ 1.0, 3.5, 2.3 ]
[ 19.0, 12.3, -1.4 ]

출력:

feature_columncluster_id
[ 1.0, 3.1, 2.3 ]0
[ 1.0, 3.5, 2.3 ]0
[ 19.0, 12.3, -1.4 ]1
[ 0.05, 3.1, 2.3 ]2

예시 3: 경계 조건

인자 값:

  • Input dataset: ri.foundry.main.dataset.a
  • Maximum k: 3
  • Minimum k: 3
  • Number of k values: 1
  • Vector column: feature_column

입력:

feature_column
[ 0.05, 3.1, 2.3 ]
[ 1.0, 3.5, 2.3 ]
[ 19.0, 12.3, -1.4 ]

출력:

feature_columncluster_id
[ 19.0, 12.3, -1.4 ]0
[ 0.05, 3.1, 2.3 ]1
[ 1.0, 3.5, 2.3 ]2