브라우저보다 빠른!
33 처지: 데이터 마이닝, 맨해튼 거리, 가능도, 벡터, 보로노이 다이어그램, 분산, 기댓값 최대화 알고리즘, 비 지도 학습, 비모수 통계, 단위행렬, 담금질 기법, 자료, 자카드 지수, 펄스 부호 변조, 클러스터, 평균, 점 (기하학), 정밀도와 재현율, 정규 분포, 중앙값, 질량 중심, 집합, 컴퓨터 그래픽스, 컴퓨터 비전, 유클리드 거리, 유클리드 공간, 휴리스틱 이론, 영상 분할, 혼합 모델, 최빈값, 시간 복잡도, 후고 스테인하우스, NP-난해.
데이터 마이닝
이터 마이닝(data mining)은 대규모로 저장된 데이터 안에서 체계적이고 자동적으로 통계적 규칙이나 패턴을 찾아 내는 것이.
새로운!!: K-평균 알고리즘와 데이터 마이닝 · 더보기 »
맨해튼 거리
맨해튼 거리와 유클리드 거리의 비교: 빨간색, 파란색, 노란색 선은 길이가 12로 같으며, 유클리드 거리와 맨해튼 거리 양쪽 모두 가지고 있다. 유클리드 기하학의 경우 초록색 선의 길이는 6×√2 ≈ 8.48로, 선들 가운데 유일하게 길이가 가장 짧으며, 맨해튼 거리의 경우 파란색 선의 길이는 12로, 이보다 길이가 더 짧은 선은 없다. 맨해튼 거리(Manhattan distance, 혹은 택시 거리, L1 거리, 시가지 거리,Taxicab geometry)는 19세기의 수학자 헤르만 민코프스키가 고안한 용어로, 보통 유클리드 기하학의 거리 공간을 좌표에 표시된 두 점 사이의 거리(절댓값)의 차이에 따른 새로운 거리 공간으로 대신.
새로운!!: K-평균 알고리즘와 맨해튼 거리 · 더보기 »
가능도
통계학에서, 가능도(可能度) 또는 우도(尤度)는 확률 분포의 모수가, 어떤 확률변수의 표집값과 일관되는 정도를 나타내는 값이.
새로운!!: K-평균 알고리즘와 가능도 · 더보기 »
벡터
벡터(vector)는 크기 만으로 나타낼 수 있는 스칼라(scalar)와 달리 방향과 크기를 사용하여 나타낼 수 있. 일상적으로 사용하는 벡터는 유향선분(방향이 있는 선분 즉, 화살표)를 써서 표현할 수 있.
새로운!!: K-평균 알고리즘와 벡터 · 더보기 »
보로노이 다이어그램
20개 점의 보로노이 다이어그램 보로노이 다이어그램(Voronoi diagram)은 평면을 특정 점까지의 거리가 가장 가까운 점의 집합으로 분할한 그림이.
새로운!!: K-평균 알고리즘와 보로노이 다이어그램 · 더보기 »
분산
확률론과 통계학에서 어떤 확률변수의 분산(分散)은 그 확률변수가 기댓값으로부터 얼마나 떨어진 곳에 분포하는지를 가늠하는 숫자이.
새로운!!: K-평균 알고리즘와 분산 · 더보기 »
기댓값 최대화 알고리즘
올드페이스풀 간헐천 분화 데이터. 데이터가 정규분포 혼합 모델에서 관측되었다고 가정하고, 기댓값 최대화 클러스터 분석을 이용해 매개변수들을 추정하는 과정이다. 기댓값 최대화 과정이 반복됨에 따라 매개변수들이 수렴하고 두 개의 군집이 나타나는 것을 볼 수 있다. 기댓값 최대화 알고리즘(expectation-maximization algorithm, 약자 EM 알고리즘)은 관측되지 않는 잠재변수에 의존하는 확률 모델에서 최대가능도(maximum likelihood)나 최대사후확률(maximum a posteriori, 약자 MAP)을 갖는 매개변수를 찾는 반복적인 알고리즘이.
새로운!!: K-평균 알고리즘와 기댓값 최대화 알고리즘 · 더보기 »
비 지도 학습
비 지도 학습(Unsupervised Learning)은 기계 학습의 일종으로, 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속. 이 방법은 지도 학습(Supervised Learning) 혹은 강화 학습(Reinforcement Learning)과는 달리 입력값에 대한 목표치가 주어지지 않. 자율 학습은 통계의 밀도 추정(Density Estimation)과 깊은 연관이 있. 이러한 자율 학습은 데이터의 주요 특징을 요약하고 설명할 수 있. 자율 학습의 예로는 클러스터링(Clustering)을 들 수 있. 또 다른 하나의 예로는 독립 성분 분석(Independent Component Analysis)이 있.
새로운!!: K-평균 알고리즘와 비 지도 학습 · 더보기 »
비모수 통계
비모수 통계(非母數統計, Non-parametric statistics)는 통계학에서 모수에 대한 가정을 전제로 하지 않고 모집단의 형태에 관계없이 주어진 데이터에서 직접 확률을 계산하여 통계학적 검정을 하는 분석법이.
새로운!!: K-평균 알고리즘와 비모수 통계 · 더보기 »
단위행렬
선형대수학에서 행렬의 크기가 n인 단위행렬(單位行列,identity matrix)은 주 대각선이 전부 1이고 나머지 원소는 0을 값으로 갖는 n \times n 정사각행렬이.
새로운!!: K-평균 알고리즘와 단위행렬 · 더보기 »
담금질 기법
법(Simulated Annealing, SA)은 전역 최적화 문제에 대한 일반적인 확률적 메타 알고리즘이.
새로운!!: K-평균 알고리즘와 담금질 기법 · 더보기 »
자료
여러 종류의 자료 중 일부. 자료(資料, data, 데이터)는 수, 영상, 단어 등의 형태로 된 의미 단위이.
새로운!!: K-평균 알고리즘와 자료 · 더보기 »
자카드 지수
자카드 지수(Jaccard index)는 두 집합 사이의 유사도를 측정하는 방법 중 하나이.
새로운!!: K-평균 알고리즘와 자카드 지수 · 더보기 »
펄스 부호 변조
스 부호 변조(Pulse-code modulation, 줄여서 PCM)는 아날로그 신호의 디지털 표현으로, 신호 등급을 균일한 주기로 표본화한 다음 디지털 (이진) 코드로 양자화 처리.
새로운!!: K-평균 알고리즘와 펄스 부호 변조 · 더보기 »
클러스터
스터(cluster)는 다음을 가리.
새로운!!: K-평균 알고리즘와 클러스터 · 더보기 »
평균
평균(平均)은 통계학에서 두 가지 서로 연관된 뜻이 있.
새로운!!: K-평균 알고리즘와 평균 · 더보기 »
점 (기하학)
right 점(點)은 크기가 없고 위치만 있는 도형을 말. 점은 유한직선(有限直線)의 일단(一端)이며, 선의 교차에 의하여 생. 점은 선, 면, 도형등의.
새로운!!: K-평균 알고리즘와 점 (기하학) · 더보기 »
정밀도와 재현율
정밀도와 재현율 이진 분류 기법(binary classification)을 사용하는 패턴 인식과 정보 검색 분야에서, 정밀도는 검색된 결과들 중 관련 있는 것으로 분류된 결과물의 비율이고, 재현율은 관련 있는 것으로 분류된 항목들 중 실제 검색된 항목들의 비율이.
새로운!!: K-평균 알고리즘와 정밀도와 재현율 · 더보기 »
정규 분포
확률론과 통계학에서, 정규 분포(正規 分布) 또는 가우스 분포(Gauß 分布)는 연속 확률 분포의 하나이.
새로운!!: K-평균 알고리즘와 정규 분포 · 더보기 »
중앙값
중앙값(median) 또는 중위수는 어떤 주어진 값들을 크기의 순서대로 정렬했을 때 가장 중앙에 위치하는 값을 의미.
새로운!!: K-평균 알고리즘와 중앙값 · 더보기 »
질량 중심
량 중심(質量中心)은 물체 전체의 질량의 중심점으로, 전체 질량이 질량 중심에 있는 것처럼 외부 계와 작용.
새로운!!: K-평균 알고리즘와 질량 중심 · 더보기 »
집합
9개의 다각형의 집합을 나타낸 오일러 다이어그램 수학에서, 집합(集合)은 명확한 기준에 의하여 주어진 서로 다른 대상들이 모여 이루는 새로운 대상이.
새로운!!: K-평균 알고리즘와 집합 · 더보기 »
컴퓨터 그래픽스
유타 주전자의 현대적 렌더링. 컴퓨터 그래픽스(Computer Graphics, CG)은 컴퓨터를 이용해 실제 세계의 영상을 조작하거나 새로운 영상을 만들어내는 기술을 가리.
새로운!!: K-평균 알고리즘와 컴퓨터 그래픽스 · 더보기 »
컴퓨터 비전
비전(Computer Vision)은 기계의 시각에 해당하는 부분을 연구하는 컴퓨터 과학의 최신 연구 분야 중 하나이.
새로운!!: K-평균 알고리즘와 컴퓨터 비전 · 더보기 »
유클리드 거리
유클리드 거리(Euclidean distance)는 두 점 사이의 거리를 계산할 때 흔히 쓰는 방법이.
새로운!!: K-평균 알고리즘와 유클리드 거리 · 더보기 »
유클리드 공간
3차원 유클리드 공간 상의 각 점은 3개의 좌표 축에 결정된다. 수학에서 유클리드 공간()은 유클리드가 연구했던 평면과 공간을 일반화한 것이.
새로운!!: K-평균 알고리즘와 유클리드 공간 · 더보기 »
휴리스틱 이론
휴리스틱(heuristics) 또는 발견법(發見法)이란 불충분한 시간이나 정보로 인하여 합리적인 판단을 할 수 없거나, 체계적이면서 합리적인 판단이 굳이 필요하지 않은 상황에서 사람들이 빠르게 사용할 수 있는 어림짐작의 방법이.
새로운!!: K-평균 알고리즘와 휴리스틱 이론 · 더보기 »
영상 분할
시각에서 분할은 디지털 영상을 여러 개의 픽셀 집합으로 나누는 과정을 말. 분할의 목적은 영상의 표현을 좀 더 의미있고 해석하기 쉬운 것으로 단순화하거나 변환하는 것이.
새로운!!: K-평균 알고리즘와 영상 분할 · 더보기 »
혼합 모델
혼합 모델은 통계학에서 전체 집단안의 하위 집단의 존재를 나타내기 위한 확률 모델이.
새로운!!: K-평균 알고리즘와 혼합 모델 · 더보기 »
최빈값
빈값(最頻-), 모드(mode)는 통계학 용어로, 가장 많이 관측되는 수, 즉 주어진 값 중에서 가장 자주 나오는 값이.
새로운!!: K-평균 알고리즘와 최빈값 · 더보기 »
시간 복잡도
산 복잡도 이론에서 시간 복잡도는 문제를 해결하는데 걸리는 시간과 입력의 함수 관계를 가리.
새로운!!: K-평균 알고리즘와 시간 복잡도 · 더보기 »
후고 스테인하우스
브와디스와프 후고 디오니지 스테인하우스(1887~1972)는 폴란드의 수학자이.
새로운!!: K-평균 알고리즘와 후고 스테인하우스 · 더보기 »
NP-난해
NP-난해, NP-hard는 NP에 속하는 모든 판정 문제를 다항 시간에 다대일 환산할 수 있는 문제들의 집합이.
새로운!!: K-평균 알고리즘와 NP-난해 · 더보기 »
