MCDMCluster Cohesion Measure
관성 (Inertia)
관성(Inertia), 또는 클러스터 내 제곱합(Within-Cluster Sum of Squares, WCSS)은 클러스터의 응집도를 측정하는 지표로, 데이터 포인트들이 각 클러스터의 중심점(centroid) 주위에 얼마나 밀집되어 있는지를 정량화합니다. 값이 낮을수록 더 조밀하고 응집력 있는 클러스터를 나타냅니다. 관성은 k-평균 군집화의 주요 목적 함수이며, 해당 방법론이 도입된 이래로 기본적인 지표로 사용되어 왔습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Lloyd, S. P. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2), 129-137. DOI: 10.1109/TIT.1982.1056489 ↗
- MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. In Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability (Vol. 1, pp. 281-297). link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Inertia: Sum of Squared Distances to Cluster Centroids. ScholarGate. https://scholargate.app/ko/model-evaluation/inertia
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Calinski-Harabasz 지수모델 평가↔ compare
- Davies-Bouldin Index모델 평가↔ compare
- 던 지수모델 평가↔ compare
- 엘보우 방법(Elbow Method)모델 평가↔ compare
- Silhouette Score모델 평가↔ compare