Clustering Overview

• 데이터의 성질에 기반하여 유사한 데이터를 찾아 그룹화하는것.성질이 다른 것은 다른 그룹으로.
• 사전에 정의된 classes없이 학습하는 unsupervised learning.
• 사용처
• stand-alone tool로서 데이터 분포에 대한 insight를 얻기 위해서 사용함.
• 다른 알고리즘의 전처리(preprocessing) 목적으로 사용함.
• 고려사항
• Partitioning 방법
• Single level vs. hierarchical partitioning
• Separation of clusters
• Exclusive vs. non-exclusive
• Similiarity measure
• Distance-based vs. connectivity-based
• Clustering space
• Full space(low dimensional 일 경우에 사용) vs. subspaces(high-dimensional일 경우에 사용)
• 주요 클러스터링 방법
• Partitioning approach
• 다수의 partitions를 만들고 특정 기준에 따라 partitions를 평가함. ex. minimizing the sum of square errors.
• ex. k-means, k-medoids. CLARANS
• Hierarchical approach
• 특정 기준으로 바탕으로 데이터를 hierarchical decomposition함.
• ex. BIRCH
• Density-based approach
• connectivity와 density function에 기반함.
• ex. DBSCAN
• Grid-based approach
• multiple-level granularity 구조에 기반함.
• ex. STING, WaveGluster, CLIQUE
• Model-based
• 각각의 클러스터에 가장 적합한 모델이 가정됨.
• ex. EM
• Frequent pattern-based
• frequent patterns 분석에 기반함.
• ex. p-Cluster
• User-guided or constraint based
• user-specific or application-specific constraints를 고려하여 클러스터링
• ex. COD, constrained clustering
• Link-based clustering
• Objects가 다양한 방법으로 함께 연결(link)시킴.
• massive links가 데이터를 클러스터하는데 사용됨.
• ex. SImRank, LinkClus