Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 |
Tags
- laplacian matrix
- pinball loss
- 부분 순서
- 독점 기업의 수입 극대화
- 라플라시안 행렬
- 차원의 저주
- 지시함수
- 거리 집중
- k-최근접 이웃
- 수요의 가격탄력성
- 동치 관계
- 이항관계
- quantile regression
- 총 수요 곡선
- 스펙트럴 클러스터링
- 동치류
- 소득승수
- 정규화 라플라시안 행렬
- Curse of dimensionality
- distance concentration
- 케인즈의 십자가
- Machine Learning
- 전순서
- 핀볼 로스
- 한계 수입
- 수입 극대화
- normalized laplacian matrix
- 미시경제학
- 분위수 회귀
- spectral clustering
Archives
- Today
- Total
목록스펙트럴 클러스터링 (1)
데이터 낚시꾼
스펙트럴 클러스터링(Spectral Clustering): 라플라시안 행렬(Laplacian Matrix)과 고유값(Eigenvalue) 분석을 통한 그래프 구조의 수학적 표현
요약: 고윳값과 고유벡터는 그래프 안에서 '비슷하게 연결된 노드'를 숫자 공간에 가까이 위치시키며, K-Means 같은 단순한 알고리즘으로도 복잡한 연결 구조를 깔끔하게 분리할 수 있게 됨그래프 이론의 행렬: 각 노드의 연결 관계를 수학적으로 표현하는 핵심 도구차수 행렬(Degree matrix), 인접 행렬(Adjacency matrix), 라플라시안 행렬(Laplacian matrix): 그래프의 구조 정보를 담고 있음라플라시안 행렬은 $L := D - A$로 정의되며, 고윳값(Eigenvalue)과 고유벡터(Eigenvector)를 통해 그래프의 특성을 요약$L$의 고윳값은 항상 $0$ 이상의 값을 가지며, 그 구조적 의미는 스펙트럴 분석(Spectral Analysis)에서 활용됨정규화 라플라시안..
수학/그래프이론
2024. 7. 25. 23:02