사영 추적을 이용한 군집 분석

Abstract

The purpose of the study is to propose a clustering model using Projection Pursuit. Projection Pursuit is a dimension reduction methodology that is often used for exploratory analysis of high-dimensional data. It is possible to find the optimal projection vector containing the pattern by the user-defined Projection Pursuit Index. In this study, we investigate the Projection Pursuit Index used for unsupervised learning, and propose a clustering model using the P, Holes, and Lp indices. Ten classification data with actual category values were used to check the performance of the model, and the results for each of the three Projection Pursuit Indices were compared. Among them, the Holes Index and P Index showed high accuracy with real category information and similar performance.;본 연구의 목적은 사영 추적을 이용한 군집화 모형을 구축하는 것이다. 사영 추적은 고차원 데이터를 탐색적으로 분석할 때 많이 사용하는 차원 축소 방법론으로, 사용자 정의 지수를 통해 사용자가 원하는 패턴을 담고 있는 최적 사영 벡터를 찾을 수 있다. 본 연구에서는 비지도 학습에 사용되는 사영 추적 지수를 알아보고, 데이터를 분리하기 좋은 P 지수, Holes 지수, Lp 지수를 사영 추적 지수로 사용하여 연쇄적으로 군집화하는 모형을 제안하였다. 모형의 성능을 확인하기 위해 실제 범주 값을 가지고 있는 분류 데이터 10개를 사용하였으며, 3가지 사영 추적 지수별 군집화 결과를 비교하였다. 세 인덱스 중 Holes 지수와 P 지수가 비교적 높은 정확도를 보였으며, 전반적으로 실제 그룹과 유사하게 군집화하며 범주 정보를 사용하지 않고도 분류 모델과 유사한 성능을 보였다.