군집분석 가이드
비슷한 관측값을 묶는 방법은 하나가 아닙니다. 데이터의 모양과 밀도, 군집 수, 분석 목적에 따라 알맞은 방법을 선택해 보세요.
고객을 구매 패턴에 따라 나누거나, 비슷한 설문 응답자를 찾거나, 센서 데이터에서 특이한 움직임을 구분하고 싶을 때 군집분석을 사용할 수 있습니다. 다만 모든 데이터가 명확한 집단으로 나뉘는 것은 아닙니다.
군집분석은 정답이 미리 붙어 있지 않은 자료에서 유사한 대상을 찾아 묶는 비지도학습 방법입니다. 같은 데이터라도 어떤 거리를 쓰는지, 군집의 모양을 어떻게 가정하는지에 따라 결과가 달라집니다.
이 가이드에서는 일곱 가지 대표 방법을 언제 고려해야 하는지 정리합니다. 각 방법의 세부 계산과 결과 해석은 개별 가이드에서 확인할 수 있습니다.
방법을 고르기 전에 네 가지를 확인하세요
알고리즘보다 자료의 구조와 분석 목적부터 살펴봅니다.
군집분석 방법 선택 지도
집단의 모양과 분석 목적을 기준으로 후보를 좁혀봅니다.
예를 들어 고객이 몇 개의 비교적 뚜렷한 그룹으로 나뉜다고 예상하면 K-Means부터 살펴볼 수 있습니다. 군집의 경계가 구불구불하거나 특이한 관측값이 섞여 있다면 밀도 기반 방법이 더 적합할 수 있습니다.
다만 이 지도는 출발점입니다. 알고리즘 하나를 곧바로 확정하기보다 여러 후보를 같은 자료에서 비교하는 편이 좋습니다.
군집 수를 정하고 비슷한 대상을 묶는다면
대표점과의 거리를 기준으로 군집을 만드는 방법입니다.
빠르고 단순한 기준이 필요하다면
K-Means는 군집 중심과 관측값 사이의 거리를 줄이도록 데이터를 나눕니다. 군집 수를 지정해야 하며, 규모가 큰 표형 데이터에서 시작점으로 쓰기 좋습니다. 다만 이상치나 길게 휘어진 형태의 집단에는 약할 수 있습니다.
실제 관측값을 대표로 삼고 싶다면
K-Medoids는 실제 데이터 중 하나를 각 군집의 대표로 선택합니다. 일반적으로 K-Means보다 이상치에 덜 민감하지만 계산 부담이 커질 수 있습니다.
구매 금액과 방문 빈도 등으로 고객을 3~5개 그룹으로 나누고 싶다면 K-Means로 시작할 수 있습니다. 소수의 극단적인 고액 구매자가 중심을 크게 흔든다면 K-Medoids도 비교해 볼 만합니다.
군집의 모양이 불규칙하거나 잡음이 있다면
밀도 기반 방법은 밀집된 영역과 드문 관측값을 구분합니다.
주변 이웃의 밀도로 그룹을 찾으려면
DBSCAN은 관측값이 충분히 밀집된 영역을 군집으로 연결하고, 어떤 군집에도 속하기 어려운 점은 잡음으로 분류할 수 있습니다. 굽은 형태의 군집도 찾을 수 있지만, 밀도 차이가 큰 데이터에서는 하나의 거리 기준을 정하기 어렵습니다.
군집마다 밀도가 다르다면
HDBSCAN은 여러 밀도 수준에서 나타나는 군집의 안정성을 살펴봅니다. 군집 수를 미리 정하지 않아도 된다는 장점이 있지만, 작은 그룹의 해석과 설정값의 영향은 확인해야 합니다.
도심처럼 점이 조밀한 구역과 교외처럼 드문 구역이 함께 있다면 DBSCAN과 HDBSCAN의 결과를 비교해 보세요. 어느 방법을 써도 모든 관측값을 군집에 반드시 포함할 필요는 없습니다.
소속 확률이나 계층 구조까지 살펴본다면
결과를 어떻게 활용할지에 따라 다른 접근이 필요합니다.
한 대상이 여러 군집에 걸쳐 있다면
가우시안 혼합모형(GMM)은 각 관측값이 여러 군집에 속할 확률을 계산합니다. 군집 사이의 경계가 명확하지 않을 때 유용하지만, 가우시안 성분이라는 모형 가정과 성분 수 선택을 검토해야 합니다.
군집이 만들어지는 순서를 보고 싶다면
계층적 군집분석(HCA)은 유사한 대상을 단계적으로 합치거나 나누고, 이를 덴드로그램으로 표현합니다. 거리 척도와 연결 방식에 따라 트리 모양이 크게 달라질 수 있습니다.
고차원 데이터를 지도처럼 나타내고 싶다면
자기조직화지도(SOM)은 고차원 관측값의 유사한 패턴을 2차원 격자에 배치합니다. 데이터 구조를 탐색하고 시각화하는 데 도움을 주지만, 지도에서 가까이 놓였다는 사실만으로 명확한 군집이 확정되는 것은 아닙니다.
분석을 실행하기 전에는 무엇을 점검하나요?
군집분석은 전처리와 검증 방식에 따라 결과가 크게 달라집니다.
| 확인 항목 | 왜 중요한가요? |
|---|---|
| 변수 선택 | 분석 목적과 무관한 변수가 많으면 군집의 의미가 흐려집니다. |
| 척도와 거리 | 단위가 다른 변수는 거리 계산을 지배할 수 있습니다. 표준화와 거리 척도를 함께 검토하세요. |
| 결측과 이상치 | 누락된 값이나 극단값의 처리 방식에 따라 대표점과 밀도 추정이 달라집니다. |
| 군집 수·설정값 | 군집 수, 이웃 거리, 최소 군집 크기 등을 바꾸며 결과의 안정성을 확인합니다. |
| 결과 검증 | 실루엣 점수만 보지 말고 재표집 안정성, 그룹 크기, 외부 정보와의 관련성을 함께 살펴봅니다. |
군집분석 방법 7개 한눈에 보기
세부 원리와 결과 해석은 각 분석방법의 개별 가이드에서 확인할 수 있습니다.
링크는 아카데미의 일반적인 URL 형식으로 연결했습니다. 공개 페이지의 실제 주소는 배포 전에 확인해 주세요.
군집의 모양과 목적을 먼저 이해하면 방법 선택이 쉬워집니다.
대표점이 필요한지, 밀집된 영역과 잡음을 찾을지, 소속 확률이나 계층 구조를 볼지부터 정하세요. 그다음 자료의 척도와 이상치, 결과의 안정성을 확인하며 후보 방법을 비교하면 됩니다.
군집분석에서 중요한 것은 그룹을 몇 개 만들었는지가 아니라 그 구분이 반복해서 나타나고 실제 질문에 도움이 되는지입니다. 분석 결과에 붙이는 이름도 알고리즘이 아니라 관측값의 특징을 바탕으로 정해야 합니다.
K-Means·K-Medoids는 대표점, DBSCAN·HDBSCAN은 밀도, GMM은 소속 확률, HCA는 계층 구조, SOM은 고차원 패턴의 지도를 중심으로 살펴보는 방법입니다. 자료의 특성과 연구 목적에 맞는 후보를 고른 뒤, 전처리와 설정값에 따라 군집이 얼마나 안정적으로 유지되는지 확인하세요.