데이터 분석 및 모델링 No. 2
Eigenvalue Decomposition & K-Means
주성분 분석(PCA) 및 다차원 군집화
회차별 6개 당첨번호를 고차원 벡터 공간의 좌표로 상정하여 공분산 행렬의 고유값 분해를 통해 차원을 축소하고, 누적 동반 출현 빈도 기반 최적 중심 군집(Clique) 및 친화 결합 번호를 도출합니다.
알고리즘 도출 추천 6개 조합 (최적 중심 군집)
중심 노드: 13번 기준 공분산 최대 결합
4
11
13
18
31
32
최적 중심 노드
13번
공분산 응집력 1위
설명 분산비 (PC1+PC2)
75.2%
고유값 차원 축소 보존율
동반 출현 1위 번호
4번
2회 동반
분석 표본 회차
20회
최근 당첨 데이터
1~45번 2차원 주성분(PC1 vs PC2) 공간 투영도
설명 분산비: PC1 (46.8%) + PC2 (28.4%)
* 붉은색 포인트는 PCA 공분산 분석을 통해 추출된 도출 추천 6개 조합(Optimal Clique)입니다.
중심 번호(13번) 기준 상위 동반 출현(Co-occurrence) 친화도
| 순위 | 동반 번호 | 누적 동반 출현수 | 동반 출현율 | 군집 친화도 평가 |
|---|---|---|---|---|
| 1 | 04 | 2회 | 10% | 최우선 추천 군집 |
| 2 | 11 | 2회 | 10% | 최우선 추천 군집 |
| 3 | 18 | 2회 | 10% | 최우선 추천 군집 |
| 4 | 31 | 2회 | 10% | 최우선 추천 군집 |
| 5 | 32 | 2회 | 10% | 최우선 추천 군집 |