PAM

Partitioning Around Medoids

7.5
μ „λ¬Έμ„±
평균 평점
7.7
ν•™μŠ΅λ‚œμ΄λ„
평균 평점
7.3
μ‚¬μš©νŽΈμ˜μ„±
평균 평점
7.8
ν™œμš©λ„
평균 평점

μ£Όμš” κΈ°λŠ₯

λ©”λ””μ˜€μ΄λ“œ 기반

μ‹€μ œ 데이터 포인트λ₯Ό ν΄λŸ¬μŠ€ν„° μ€‘μ‹¬μœΌλ‘œ μ‚¬μš©ν•˜μ—¬ μ΄μƒμΉ˜μ— κ°•κ±΄ν•œ ν΄λŸ¬μŠ€ν„°λ§μ„ μ œκ³΅ν•©λ‹ˆλ‹€.

μ΄μƒμΉ˜ 강건성

평균값 λŒ€μ‹  쀑앙값을 μ‚¬μš©ν•˜μ—¬ μ΄μƒμΉ˜μ˜ 영ν–₯을 μ΅œμ†Œν™”ν•©λ‹ˆλ‹€.

κ΅ν™˜ μ•Œκ³ λ¦¬μ¦˜

λ©”λ””μ˜€μ΄λ“œλ₯Ό κ΅ν™˜ν•˜μ—¬ ν΄λŸ¬μŠ€ν„° ν’ˆμ§ˆμ„ μ μ§„μ μœΌλ‘œ κ°œμ„ ν•˜λŠ” 반볡적 μ•Œκ³ λ¦¬μ¦˜μž…λ‹ˆλ‹€.

ν”„λ‘œκ·Έλž¨ λΆ„λ₯˜

ν΄λŸ¬μŠ€ν„°λ§ PAM λ©”λ””μ˜€μ΄λ“œ λΉ„μ§€λ„ν•™μŠ΅ κ΅ν™˜μ•Œκ³ λ¦¬μ¦˜

상세 정보

μ•Œκ³ λ¦¬μ¦˜ 원리

초기 λ©”λ””μ˜€μ΄λ“œλ₯Ό μ„ νƒν•˜κ³ , λ‹€λ₯Έ 데이터 ν¬μΈνŠΈμ™€ κ΅ν™˜ν•˜μ—¬ ν΄λŸ¬μŠ€ν„° λ‚΄ 평균 거리λ₯Ό μ΅œμ†Œν™”ν•©λ‹ˆλ‹€.

μ£Όμš” νŠΉμ§•

K-means와 달리 μ‹€μ œ 데이터 포인트λ₯Ό μ€‘μ‹¬μœΌλ‘œ μ‚¬μš©ν•˜μ—¬ 해석 κ°€λŠ₯성이 λ†’κ³  μ΄μƒμΉ˜μ— κ°•κ±΄ν•©λ‹ˆλ‹€.

적용 λΆ„μ•Ό

의료 진단, 고객 μ„ΈλΆ„ν™”, 이미지 λΆ„ν• , 생물학적 데이터 뢄석 λ“±μ—μ„œ ν™œμš©λ©λ‹ˆλ‹€.

μž₯단점

μ΄μƒμΉ˜μ— κ°•κ±΄ν•˜κ³  해석 κ°€λŠ₯성이 λ†’μ§€λ§Œ, 계산 λ³΅μž‘λ„κ°€ λ†’κ³  λŒ€μš©λŸ‰ λ°μ΄ν„°μ—λŠ” λΉ„νš¨μœ¨μ μž…λ‹ˆλ‹€.

μ‚¬μš©λ²•

Python κ΅¬ν˜„ μ˜ˆμ‹œ

Scikit-learn μ‚¬μš©

from sklearn.cluster import KMedoids

κΈ°λ³Έ μ‚¬μš©λ²•

kmedoids = KMedoids(n_clusters=3, random_state=42)

κ΄€λ ¨ 링크

Scikit-learn λ¬Έμ„œ

KMedoids 곡식 λ¬Έμ„œ

Wikipedia

K-medoids μ•Œκ³ λ¦¬μ¦˜ μ„€λͺ