Clustering — k-means finds groups even when there are none

k-means and friends partition data into groups, but they will always return groups, whether or not the data has any — so the hard part is validating that a cluster means something.

Not yet scoped.

Why

The PoC clusters random noise to show spurious structure, then uses silhouette and stability checks to separate a real segmentation from an artifact of the chosen k.

How it works

Not yet built.

← All Dev Notes · Workspace Index · Top ↑

군집화 — k-평균은 없는 집단도 찾아낸다

k-평균과 그 친구들은 데이터를 집단으로 나누지만, 데이터에 집단이 있든 없든 항상 집단을 돌려줍니다 — 그래서 어려운 부분은 군집이 무언가를 뜻한다는 것을 검증하는 일입니다.

아직 범위 미정.

왜

이 PoC는 무작위 잡음을 군집화해 허구적 구조를 보인 뒤, 실루엣과 안정성 점검으로 실제 세분화를 선택한 k의 산물과 구분합니다.

동작 방식

아직 만들지 않음.

← 전체 개발 노트 · 워크스페이스 인덱스 · 맨 위 ↑