기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
k-means 알고리즘
k-means는 비지도 학습 알고리즘입니다. 데이터 내 별도의 그룹화를 찾으려 합니다. 이 경우 그룹의 멤버는 가급적 다른 멤버와 유사하고 다른 그룹의 멤버와는 가급적 다릅니다. 알고리즘이 유사성을 결정하는 데 사용하고자 하는 속성을 정의합니다.
SageMaker Amazon은 수정된 버전의 웹 스케일 k-means 클러스터링 알고리즘을 사용합니다. 알고리즘의 원래 버전과 비교할 때 Amazon에서 사용하는 SageMaker 버전이 더 정확합니다. 기존 알고리즘과 마찬가지로 대량의 데이터 세트로 크기 조정되고 훈련 시간이 개선됩니다. 이를 위해 Amazon에서 사용하는 버전은 훈련 데이터의 미니 배치 (작은 무작위 하위 집합) 를 SageMaker 스트리밍합니다. 미니 배치 k-means에 대한 자세한 정보는 Web-scale k-means Clustering
k-means 알고리즘은 테이블형 데이터를 예상합니다. 여기에서 행은 클러스터링하고자 하는 관측치를 나타내고 열은 관측치의 속성을 나타냅니다. 각 행의 n 속성은 n 차원 공간의 지점을 나타냅니다. 지점 사이의 유클리드 거리는 해당 관측치의 유사성을 나타냅니다. 속성 값이 유사한 알고리즘 그룹 관측치(이러한 관측치를 나타내는 지점은 가까이에 있습니다). SageMakerAmazon에서 k-means가 작동하는 방식에 대한 자세한 내용은 을 참조하십시오k-means 클러스터링 작동 방식.
주제
K-Means 알고리즘의 입/출력 인터페이스
훈련을 위해 k-means 알고리즘은 데이터가 train 채널(권장 S3DataDistributionType=ShardedByS3Key)에서 제공되고, 선택적 test 채널(권장 S3DataDistributionType=FullyReplicated)을 사용하여 데이터에 대한 점수를 매긴다고 예상합니다. recordIO-wrapped-protobuf 형식과 CSV 형식 모두 훈련에 지원됩니다. 파일 모드 또는 파이프 모드를 사용하여 recordIO-wrapped-protobuf 또는 CSV로 형식이 지정된 데이터에 대해 모델을 훈련할 수 있습니다.
추론을 위해 text/csv, application/json 및 application/x-recordio-protobuf가 지원됩니다. k-means는 각 관측에 대해 closest_cluster 레이블 및 distance_to_cluster를 반환합니다.
입력 및 출력 파일 형식에 대한 자세한 정보는 K-Means 응답 형식(추론의 경우) 및 K-Means 샘플 노트북 단원을 참조하세요. k-means 알고리즘은 복수의 인스턴스 학습을 지원하지 않으며, 훈련 세트는 라벨링되지 않은 인스턴스 집합인 라벨링된 "백"으로 구성됩니다.
K-Means 알고리즘에 대한 EC2 인스턴스 권장 사항
CPU 인스턴스에서 훈련 k-means를 권장합니다. GPU 인스턴스에서 훈련할 수 있지만 GPU 훈련을 ml.g4dn.xlarge와 같은 단일 GPU 인스턴스로 제한해야 합니다. 인스턴스당 단 하나의 GPU만 사용되기 때문입니다. k-means 알고리즘은 훈련 및 추론을 위해 P2, P3, G4dn, G5 인스턴스를 지원합니다.
K-Means 샘플 노트북
SageMaker K-means 알고리즘을 사용하여 주성분 분석을 통해 식별된 속성으로 미국 내 카운티 인구를 분류하는 샘플 노트북은 Amazon을 사용하여 인구 세분화를 위한 미국 인구 조사 데이터 분석을
