[패스트캠퍼스 수강 후기] R 인강 100% 환급 챌린지 45차 미션

 [패스트캠퍼스 수강 후기] R 인강 100% 환급 챌린지 45차 미션

 

패스트캠퍼스의 강의 중, 프로젝트와 함께 배우는 R 데이터 분석 올인원 패키지 Online를 수강하고 있습니다.

https://bit.ly/2DKMGNx 

내용을 복습도 할 겸, 미션에도 참가할 겸, 블로그에 매일 매일 정리해 보게 되었습니다.

 

오늘은 45회차 미션!

1. 07. Ch 02. Principal Component Analysis (PCA) - 06. PCA 예제 실습 2

2. 08. Ch 03. k-Means Analysis - 01. k-Means Analysis의 개념 이해

 

1. 07. Ch 02. Principal Component Analysis (PCA) - 06. PCA 예제 실습 2

1. 고양이 사진을 가지고 주성분 분석을 할 것

1. 앞서 강의에서는 데이터 확인을 했지만, 이미지를 가지고 할 때는 결측치 같은 건 확인할 필요가 없음

2. 구글에서 찾은 고양이 사진으로 작업해볼 것

2. 라이브러리

1. library(jpeg)

2. cat <- readJPEG('cat.jpeg')

3. class(cat)

3. JPEG 내용은 Array형태임.

1.  

   

2. 1365, x 2048에 대해 RGB가 3차원 데이터로 이루어져 있음

4. 이 데이터를 2차원으로 분리해줌

1. 

2. 나중 강의에서 좀 더 자세히 설명해줌 (RGB변환에 대해서)

3. RGB데이터를 변환할 때, center = F (표준화를 하지 않음)

5. 나중에도 다른 방법을 쓸 때도 나오는 내용이지만

1. RGB의 조합이 어마어마하게 많은데, 이를 차원 축소를 통해서 적은 수의 색깔로 표현하는 것

6. 즉, 아래와 같이 

1. 2개의 대표색을 결정해서 보여주는 것

2. 그 외에도 10개, 50개, 100개, 300개의 대표색을 결정해서 보여주는 것

3. 

2. 08. Ch 03. k-Means Analysis - 01. k-Means Analysis의 개념 이해

1. Clustering (군집화)

1. 유사한 성질을 가지는데이터끼리 cluster (군집)을 나누는 과정

2. 목표

1. 군집 내 데이터들의 거리는 가깝게

2. 군집 간의 거리는 멀게

3. 

2. K-means clustering

1. K개의 중심을 정하고, 그 중심을 기반으로 클러스터링을 함

1. 

2. 예시

1. b에서 2개의 점을 지정

1. 그 점을 중심으로 군집을 함

2. 군집데이터의 중심점을 찾음 (c)

3. 그리고서 다시 군집

1. 다시 중심 찾고..

2. 이를 반복하는것..

2. 

3. 데이터 간의 거리를 측정하는 방법

1. 유클리드 거리와 맨하튼 거리

2. 

4. K-means clustering의 활용

1. 고객 유형을 분류하여 상품 판매 전략 도출

2. 제품의 성분 및 특성에 따라 분류하여 제품 추천 로직 개발

3. 이미지 색상 축소

 

K means 군집화의 일반적인 설명