금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

287

8

장

비지도 학습: 군집화

응집 계층적 군집화의 하이퍼파라미터에 대한 자세한 내용은 사이킷런 웹사이트에서 찾을 수

있다. 이 장의 실전 문제

1

과

3

에서 계층적 군집화 기술을 살펴볼 것이다.

8.1.3

선호도 전파 군집화

선호도 전파

Affinity

propagation

는 수렴될 때까지 데이터 포인트 간에 메시지를 전송해 군집을 생성

한다.

k

-평균과 같은 군집화 알고리즘과 달리 선호도 전파는 알고리즘을 실행하기 전에 군집

수를 결정하거나 추정할 필요가 없다. 군집 수를 결정하기 위해 선호도 전파에서는 두 가지 중

요한 매개변수를 사용한다.

선호도

는 사용되는 예제 (또는 프로토타입) 수를 제어한다. 그리고

감쇠 계수

는 메시지의 책임과 가용성을 감소시켜서 메시지를 업데이트할 때 수치적 변동을 피

하게 한다.

적은 수의 예제를 사용해 데이터셋을 설명한다. 예제는 군집을 대표하는 입력셋의 구성원이

다. 선호도 전파 알고리즘은 데이터 포인트 간의 쌍별 유사성 셋을 받아들이고, 데이터 포인트

와 해당 예제 간의 총합의 유사성을 최대화해 군집을 찾는다. 쌍 사이에 전송된 메시지는 한 샘

플이 다른 샘플에 예제가 될 수 있는 적합성을 나타낸다. 다른 쌍의 값에 응답해 적합성을 업데

이트한다. 업데이트는 수렴할 때까지 반복적으로 발생하며, 이 시점에서 최종 예제가 선택되고 ...