Chapter.4 데이터 분석 심화(8)

TIL(Today I Learned)

---

1️⃣머신러닝 심화

1. 군집화 핵심 개념

• 목적: 유사한 데이터끼리 그룹(Cluster) 형성
• 기준: 거리(distance) 또는 유사도(similarity)
• 특징
  • 정답 없음 → 패턴을 스스로 발견
  • 데이터 탐색(EDA)에서 많이 사용

예: 고객 데이터를 군집화 → “비슷한 소비 패턴 가진 고객 그룹” 발견

2. 대표 알고리즘

① K-Means

가장 기본적인 군집화 알고리즘

• 원리:
  1. K개의 중심점(centroid) 설정
  2. 각 데이터를 가장 가까운 중심점에 할당
  3. 중심점 업데이트
  4. 반복
• 특징
  • 빠르고 간단
  • K값을 직접 정해야 함
  • 구형(원형) 군집에 강함

② 계층적 군집화 (Hierarchical Clustering)

• 데이터를 트리 구조(덴드로그램)로 표현
• 방식
  • Agglomerative (Bottom-up): 하나씩 합침
  • Divisive (Top-down): 큰 집합을 나눔
• 특징
  • K를 미리 정하지 않아도 됨
  • 시각화 가능 (덴드로그램)

③ DBSCAN

밀도 기반 군집화

• 핵심 개념:
  • 밀도가 높은 곳 → 군집
  • 밀도가 낮은 곳 → 노이즈
• 특징
  • 군집 개수 자동 결정
  • 이상치(outlier) 탐지 가능
  • 복잡한 모양도 잘 잡음

3. 거리(유사도) 개념

군집화에서 제일 중요함

• 유클리드 거리 (가장 일반적)
• 맨해튼 거리
• 코사인 유사도 (텍스트에서 많이 사용)

4. 성능 평가 방법

군집화는 정답이 없어서 평가가 어려움

• 실루엣 점수 (Silhouette Score)
  • -1 ~ 1
  • 1에 가까울수록 좋음
• 엘보우 방법 (Elbow Method)
  • K값 찾을 때 사용

5. 장점 / 단점

장점

• 데이터 구조 파악 가능
• 라벨 없는 데이터 활용 가능

단점

• 결과 해석이 어려움
• 알고리즘/파라미터에 따라 결과 크게 변함

---

📌한 줄 정리

👉 “군집화는 비슷한 데이터끼리 자동으로 묶어서 숨겨진 패턴을 찾는 방법이다.”

---

💡 느낀점

군집화는 정답이 없는 문제이기 때문에 단순히 알고리즘을 적용하는 것보다 결과를 해석하는 과정이 더 중요하다고 느꼈다. 특히 K-Means에서 K값을 사용자가 직접 정해야 한다는 점이 인상적이었는데, 이 값에 따라 결과가 크게 달라지기 때문에 단순히 모델을 돌리는 것이 아니라 엘보우 방법이나 실루엣 점수 등을 활용해 적절한 값을 찾는 과정이 필요하다는 것을 알게 되었다. 이를 통해 데이터 분석에서는 모델 선택뿐만 아니라 파라미터 설정 역시 중요한 역할을 한다는 점을 느꼈다.