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

311

8

장

비지도 학습: 군집화

5

.

1

.

1

최적의 군집 수 찾기

k

-평균 모델의 군집 수를 평가하기 위해 다음의 측정 항목을 살펴본다. 이 두 가지 측정 항

목을 가져오는 파이썬 코드는 실전 문제

1

의 코드와 동일하다.

1

오차 제곱합(

SSE

)

2

실루엣 점수

출력:

군집 내 오차 제곱합(

SSE

)

출력:

실루엣 점수

312

3

부

비지도 학습

앞의 두 차트를 모두 살펴보면, 최적의 군집 수는 약

7

인 것 같다. 군집 수가

6

개를 넘어 증

가함에 따라 군집 내의

SSE

가 정체되기 시작한다. 두 번째 그래프에서 그래프의 여러 부분

이 꼬임을 볼 수 있다.

7

개 군집 이후

SSE

에 큰 차이가 없으므로 아래의

k

-평균 모델에서

7

개 군집을 사용해 진행한다.

5

.

1

.

2

군집화와 시각화

7

개의 군집이 있는

k

-평균 모델을 만들어 보자.

nclust=7

# k-평균으로의 적합화

k_means = cluster.KMeans(n_clusters=nclust)

k_means.fit(X)

데이터셋의 각 개인에게 대상 군집을 할당한다. 각 군집의 행태를 이해하기 위한 탐색적 데

이터 분석을 위해 할당을 추가로 사용한다. ...