연산성 - 첨예도 (Associativity-Peakiness) 지표를 위한 표본 교차표

클러스터링 알고리즘의 출력이 표본 교차표(contingency table)인 경우, 해당 알고리즘들의 성능을 비교하기 위해서는 표본 교차표에 대한 단일 성능 지표가 필요합니다. 이러한 지표는 클러스터링 알고리즘의 비교 성능 분석에 필수적입니다. 공개된 문헌 조사를 통해 이러한 지표가 존재하지 않는 것으로 나타났습니다. 참 값과 예측 값을 가진 벡터 쌍에 대한 지표는 존재하지만, 이는 클러스터링 알고리즘의 대안적 출력 형태일 뿐이며, 표본 교차표에서 뚜렷하게 드러나는 세부 특징을 반영하지 못합니다. 본 논문은 배포 시 클러스터링 알고리즘의 성능 예측에 중요한 측면을 특징짓는 연산성 - 첨예도 (Associativity-Peakiness, AP) 지표를 제시합니다. AP 지표는 지도 학습 알고리즘의 출력인 혼동 행렬(confusion matrix)의 품질 측정과 유사합니다. 본 논문은 500 개의 표본 교차표를 생성한 여러 테스트 시나리오에 대한 시뮬레이션 결과를 제시합니다. 결과는 클러스터링 알고리즘 평가용 사례에서 AP 지표가 공개된 지표보다 더 높은 동적 범위(dynamic range)를 가진 표본 교차표의 성능을 특징짓고, 유사한 공개 지표보다 계산 효율성이 더 높음을 보여줍니다.