params.py의 n_inputs를 입력 데이터 차원에 맞추고, 아래 두 실행파일에서 데이터 파일이름 입력.
python3 train.py를 통해 오토인코더 학습 모델 생성.
python3 data_encodde.py를 통해서 오토인코딩한 데이터 생성.
클러스터링 진행
clustering 폴더에서 작업
python3 kmeans.py를 실행시켜 클러스터링 레이블 생성
Run
// 시각화 데이터 생성. POINT_COUNT_BOUND=5000이면 약 10분 소요.
$ python3 generate_embeddings.py
// 실행
$ python3 app.py
Dataset Naming convention
/data/{dataset_name}_origin.csv # original dataset (시각화 과정에 사용됨)
/data/{dataset_name}_numerical.csv # 문자열 필드를 hash하여 실수로 변경한 dataset (없어도 상관 없음)
/data/{dataset_name}_input.csv # autoencoded dataset (시각화 과정 input으로 들어감)
/data/{dataset_name}_labels.csv # label data
/data/{dataset_name}_clustering_result.csv # clustering result label data
N-d dataset -> 3-d dataset으로 변환
먼저 generate_embeddings.py 파일을 열어서 datasets 항목에 데이터셋 추가해야 함
데이터셋은 /data 폴더에 위치해야 함
PCA, t-SNE를 거쳐 column이 (answer, x, y, z, cluster)인 데이터 생성
