k-평균 군집화(k-means clustering) · ≒ k-평균 클러스터링 · 사전에 결정된 군집 수 K에 기초하여 전체 데이터를 상대적으로 유사한 K개의 군집으로 구분하는 방법입니다. · 상호배반적인 K개의 군집을 형성합니다. · 군집의 수 K를 사전에 결정해야 합니다. · 모집단 또는 범주에 대한 사전 정보가 없을 때 주어진 관측값들 사이의 거리를 측정하고 유사성을 이용하여 분석합니다. · 전체 데이터를 여러 개의 집단으로 그룹화함으로써 각 집단의 성격을 파악할 수 있고 데이터 전체의 구조를 이해하기 위한 방법입니다. · 새로운 데이터와 기존 데이터 간의 유클리디안 거리가 최소가 되도록 클러스터링합니다. 기존 데이터를 기준점으로 하여 유클리디안 거리 측정 거리가 최소화되도록 k개의 군집들로 클러스..

% 연산자 소스코드 public class OperatorEx14 { public static void main(String[] args) { //실수형 연산 System.out.println("정수형 나머지: " + 7%3); //실수형 연산의 결과가 나오지만 의미없는 값이 되므로 //피연산자에 실수형 연산자가 나오는 %연산자 수식은 잘못된 것입니다(무시). System.out.println("실수형 나머지: " + 7.2 % 3.0); } } 출력결과

/연산자 연산 소스코드 public class OperatorEx13 { public static void main(String[] args) { //정수형 연산 System.out.println("정수형 나눗셈: " + 7/3); //실수형 연산 System.out.println("실수형 나눗셈: " + 7.0f/3.0f); //실수형 연산이 이뤄지면 연산자 우선순위를 통해 아래와 같이 연산이 수행됩니다. //(float)7 -> 7.0f //7.0f/3 -> 7.0f/3.0f System.out.println("형변환 나눗셈: " + (float)7/3); } 출력결과

대입연산자와 산술연산자 소스코드 public class OperatorEx12 { public static void main(String[] args) { //대입연산자 //오른쪽의 값을 왼쪽의 변수에 저장하게 됩니다. int n1 = 7; //변수 선언 및 초기화 int n2 = 3; int result = n1 + n2; System.out.println("덧셈 결과: "+result); result = n1 - n2; System.out.println("뺄셈 결과: " + result); System.out.println("곱셈 결과: " + n1*n2); System.out.println("나눗셈 결과: " + n1/n2); System.out.println("나머지 결과: " + n1%n2); ..

자동형 변환-프로모션/디모션 소스코드 public class CastEx03 { public static void main(String[] args){ System.out.println(""); System.out.println("=========프로모션========="); /*프로모션: 더 큰 자료형으로 승격이 일어나는 형태 정보의 손실이 전혀 없으며 자동적으로 발생*/ byte b1 = 127; byte b2 = 127; // byte b3 = b1 + b2; //Error: cannot convert from int to byte int i1 = b1 + b2; /*32bit(4byte)미만 byte형 데이터 연산시 32bit int형으로 승격됩니다. 데이터 타입이 다르므로 즉, int형은 byt..

자료형 변환-표현방법의 변환을 의미 소스코드 public class CastEx02 { public static void main(String[] args) { short num1=10; short num2=20; short result=(short)(num1 + num2); //short to int -> 연산 -> int to short (내부적으로 자동으로 일어남) System.out.println(result); } 출력결과