k-means 란 ?

• k-means clustering : 영문링크 한글링크

K-평균 알고리즘(K-means algorithm)은 주어진 데이터를 k개의 클러스터로 묶는 알고리즘으로, 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작한다. 이 알고리즘은 자율 학습의 일종으로, 레이블이 달려 있지 않은 입력 데이터에 레이블을 달아주는 역할을 수행한다. 이 알고리즘은 EM 알고리즘을 이용한 클러스터링과 비슷한 구조를 가지고 있다.

steemjs 를 활용하여 나의 팔로워의 명성과 스파 사이의 상관관계를 k-means를 통해 볼 수 있습니다.

관련 영상 링크 :

k-means 사용방법 ( with steemit )

TEST LINK

https://wonsama.github.io/kmeans

1. 그리기

1. 아이디 입력
2. (옵션) 최소 스파 설정 0 이상
3. (옵션) 클러스터 수 3이 제일 적절함.
4. (옵션) 제외 아이디(컴마로 구분)

2. 다시그리기

1. 현재 그려진 정보를 기반으로 다시그려 주도록 합니다.(초기 group의 point 재설정을 위함)

3. (동그라미) 마우스 오버/아웃

1. 현재 위치의 대상의 아이디, 스파, 명성을 확인할 수 있다.
2. 마우스 아웃 시 사라짐

4. (동그라미) 클릭

1. 하단에 현재 위치의 대상 정보를 표기
2. 다른 정보를 클릭하기 전까지 고정되어 하단 표기 됨

유의사항

• 특정아이디는 조회가 되지 않음 ( ex) clayop => 팔로워 중 id 오류나는 것이 있음 -_-; steemit 네드 일해라 !!! )

피드백

• 버그 또는 건의사항이 있는 경우 스팀잇 댓글 또는 github-issue 남겨주시면 감사하겠습니다.

참조

• isualizing K-Means algorithm with D3.js

변경이력

2018.06.01

• 최초작성

이전 관련 글은 #w-dev 태그를 통해 확인하실 수 있습니다.
오늘도 행복한 하루 되세요 from @wonsama