앞서 구현한 실루엣을 시각적으로 표현해 봅시다.

코드 11-7 실루엣의 시각화

plt.plot(kl, sil)
plt.ylabel('Silhoutte Score')
plt.ylabel('K')
plt.show()

다음 그림은 실루엣을 시각화한 결과입니다.

▲ 그림 11-10 실루엣의 시각화 결과

실행 결과 K가 2 값을 갖는 시점부터 낮아지기 때문에 K는 2가 됩니다(그래프의 폭이 커 보여서 2가 아니라고 생각할 수도 있겠지만, Y 좌표 값이 0.0×단위이기 때문에 움직임의 폭이 크지 않습니다).

이미지 분류가 정확하지 않은 문제를 해결하기 위해 ResNet50, InceptionV3, AlexNet 등 다양한 모델을 적용해 볼 수 있습니다.

지금부터는 3장에서 다루지 않은 클러스터링 모델을 좀 더 알아보겠습니다. 대표적으로 가우시안 혼합 모델과 자기 조직화 지도가 있으며, 가우시안 혼합 모델부터 알아보겠습니다.