K-means 클러스터링
가장 널리 쓰이는 클러스터링 알고리즘 중 하나가 K-means 클러스터링입니다. 사기 탐지에서 K-means는 구현이 간단하고 의심 사례를 예측하는 데 꽤 강력해요. 사기 탐지 문제를 시작할 때 좋은 선택이에요. 다만, 특히 거래 데이터처럼 사기 관련 데이터는 매우 큰 경우가 많습니다. MiniBatch K-means는 대규모 데이터셋에 K-means를 적용할 때 효율적인 방법이며, 이번 연습 문제에서 사용해 보겠습니다.
이전 연습에서 전처리한 스케일링 데이터 X_scaled가 준비되어 있어요. 한번 시도해 볼까요?
이 연습은 강의의 일부입니다
Python으로 배우는 사기 탐지
연습 안내
sklearn에서MiniBatchKMeans를 가져오세요.- 클러스터 수를 8로 설정해 minibatch kmeans 모델을 초기화하세요.
- 스케일링된 데이터에 모델을 학습시키세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import MiniBatchKmeans
from sklearn.cluster import ____
# Define the model
kmeans = ____(n_clusters=____, random_state=0)
# Fit the model to the scaled data
kmeans.____(____)