이 단원은 221강부터 225강까지를 맡습니다. 라벨 없이 구조를 찾습니다.
04단원의 여섯 방법은 모두 정답을 보고 배웠습니다. 이 단원이 묻는 것은 다릅니다.
목적함수가 저절로 안 정해집니다. 강에서 "무엇을 최소화할 것인가"의 답이 예측 오차였는데, 여기서는 그 답이 없어 우리가 정해야 합니다.
| 강의 | 무엇을 정하는가 |
|---|---|
| 군집 안 제곱합을 최소로 합니다 | |
| 개수도 모양도 안 정하고 연결이나 밀도로 정의합니다 | |
| 모양을 확률분포로 적고 우도를 최대로 합니다 | |
| 나누지 않고 축을 갈아탑니다 | |
| 정상을 배우고 벗어난 것을 찾습니다 |
강부터 강이 하나의 줄기입니다. 가정을 세게 하는 쪽에서 안 하는 쪽으로, 다시 확률로 적는 쪽으로 갑니다.
| 무엇을 가정하면 | 무엇이 나오나 | 어디서 |
|---|---|---|
| 덩어리가 공 모양 | 볼록한 조각으로 나뉨 | 강 문제 |
| 한 점만 가까우면 이음 | 초승달을 찾되 다리에 무너짐 | 강 문제 |
| 덩어리가 정규분포 | 타원과 소속 확률 | 강 문제 |
| 분산이 큰 방향이 중요 | 갈래 방향을 버릴 수 있음 | 강 문제 |
| 밀도가 낮으면 이상 | 덩어리 사이 빈 곳이 이상 | 강 문제 |
라벨이 없으므로 가정이 맞는지 확인할 방법이 없습니다. 그것이 이 단원 전체의 어려움입니다.
| 자료 | 목적함수 | 실루엣 | |
|---|---|---|---|
| 균등분포 (군집 없음) | |||
| 균등분포 (군집 없음) |
참 군집이 없는데도 실루엣이 까지 오릅니다. 강 문제 에서는 차원 표준정규 자료를 t-SNE로 그리니 네 조각이 고르게 생겼습니다.
군집을 찾으라고 하면 언제나 찾아 줍니다. 그래서 값 하나로 "군집이 있다"고 말하면 안 되고, 강의 간격 통계량처럼 무작위 자료와 견줘야 합니다.
| 자료 | 평균 순도 | 워드 연결 순도 | 밀도 기반 순도 |
|---|---|---|---|
| 공 모양 둘 | |||
| 초승달 둘 | |||
| 밀도 다름 |
공 모양에서 꼴찌인 밀도 기반이 초승달에서 유일한 승자입니다. 강 문제 에서 최단 연결도 정확히 같은 방향으로 뒤집혔습니다.
| 무엇 | 평균 | 밀도 기반 | 혼합모형 |
|---|---|---|---|
| 배정 | 굳음 | 굳음 | 확률 |
| 모양 | 공 | 아무 모양 | 타원 |
| 개수 | 정함 | 안 정함 | 정보기준 |
| 잡음 | 다 넣음 | 따로 뺌 | 낮은 밀도 |
| 밀도를 주나 | 아니오 | 아니오 | 예 |
평균은 혼합모형에서 공분산을 묶고 굳힌 것입니다. 강 문제 에서 분산을 으로 줄이니 배정이 평균과 완전히 같아졌습니다.
| 이 단원의 개념 | 어디서 배웠는가 |
|---|---|
| 제곱합 분해 | 강, 강 문제 |
| 좌표하강 | 강, 강 문제 |
| 유효 표본 크기 | 강, 강 심화 |
| 젠센 부등식 | 강, 강 심화 |
| 최대우도 | 강, 강 문제 |
| 결측자료 | 강, 강 문제 |
| 정보기준 | 강 심화 , 강 문제 |
| 특이값 분해 | 강, 강 문제 |
| 주성분 | 강, 강 전체 |
| KL 발산 | 강, 강 문제 |
| 거리 집중 | 강, 강 문제 |
| 마할라노비스 거리 | 강, 강 문제 |
| 커널 요령 | 강, 강과 강 심화 |
| 앙상블 | 강, 강 문제 |
강이 이 단원 내내 따라다닙니다. 거리가 뜻을 잃으면 군집도 밀도도 이상탐지도 함께 무너집니다.
| 습관 | 왜 |
|---|---|
| 결과를 무작위 자료와 견주기 | 없어도 나오기 때문 |
| 손잡이 값을 함께 보고하기 | 나 이 답을 정하기 때문 |
| 여러 방법을 함께 돌리기 | 어느 것이 맞는지 못 고르기 때문 |
06단원부터는 다시 라벨이 있습니다.
다만 이번에는 모형을 만드는 것이 아니라 재고 고르고 해석하는 일입니다. 강 문제 의 문턱 맞바꿈이 강의 ROC 곡선으로 이어집니다.