1. 개념정의

• 군집화(Clustering)는 데이터 내에 숨겨진 구조나 패턴을 파악하기 위해 데이터를 여러 그룹으로 나누는 작업.
• "군집"이란 유사한 특성을 가진 데이터들이 모인 집단을 의미하며, 군집화의 목표는 이러한 유사한 데이터들을 최대한 잘 분리해내는 것​
• 군집화는 라벨이 없는 데이터에 적용할 수 있다는 점에서 지도 학습과 차이가 있다. 즉, 데이터에 대한 사전 정보나 정답이 없을 때 유용하게 활용됨

1-1 ) 활용분야 및 적용 사례

• 응용 분야: 고객 세분화, 이미지 분류, 이상 탐지, 추천 시스템 등 다양한 분야에서 활용.
• 예를 들어 고객 세분화에서는 구매 패턴이 유사한 고객들을 군집으로 묶어 마케팅 전략을 세우는 데 사용됩니다.

2. 군집화 알고리즘 종류

• 군집화 알고리즘: 대표적인 알고리즘으로는 K-평균(K-Means),
• 계층적 군집화(Hierarchical Clustering),
• DBSCAN 등이 있으며, 각 방법은 데이터 분포와 목적에 따라 다르게 사용됩니다.

2-1) KMeans 소개

• 핵심 개념

  • 머신러닝 비지도학습에 속하는 K-means 알고리즘은 쉽게 말해 데이터를 K개의 군집(Cluster)으로 묶는(Clusting) 알고리즘이다.

  • K-means 알고리즘에서 K는 묶을 군집(클러스터)의 개수를 의미하고 means는 평균을 의미한다. 단어 그대로의 의미를 해석해보면 각 군집의 평균(mean)을 활용하여 K개의 군집으로 묶는다는 의미다.

  • 거리는 유클라디안 거리 계산법을 가장 많이 사용.

    

• 사용 라이브러리

  from sklearn.cluster import KMeans
  
  km = KMeans(n_clusters = 3, init = 'random', n_init = 10, max_iter = 300, tol = 1e-04, random_state = 0)
  #KMeans(클러스터개수, 초기 중심좌표설정방법, 초기설정 시 가장 작은 SSE값 찾는 횟수, 데이터 추가 후 센트로이드 이동 횟수, SSE 허용 오차값, 랜덤 설정값)
  

  • n_cluster : 군집의 개수 k를 지정하는 파라미터

    • 군집화의 성능에 큰 영향을 미치기 때문에, 적절한 k 값을 선택하는 것이 중요.

    • 보통 엘보우(Elbow) 방법이나 실루엣(silhouette) 분석을 사용해 적절한 k값을 찾음

      

  • init

    • 초기 중심점의 위치를 지정하는 방법. k-means++을 기본으로 하며, 이는 초기 중심점을 똑똑하게 선택하여 수렴 속도와 최종 결과를 향상시킴

  • max_iter

    • 최대 반복 횟수를 지정.
    • 알고리즘이 수렴하지 않으면 이 값을 초과할 때 자동 중단
    • 기본값 300

  • random_state

    • 초기화 시 중심점을 무작위로 선택하는 과정을 재현 가능하게 하기 위해 사용
    • 고정된 값으로 설정하면 항상 같은 결과를 얻을 수 있어 모델의 일관성을 유지하는 데 유용

  • n_init

    • 초기 중심점 설정을 몇 번 반복할지 설정
    • 기본값은 10
    • 여러 번 초기화를 시도해 그 중 가장 낮은 SSE(Sum of Squared Errors)를 가진 결과를 선택