728x90
반응형

k-means 2

군집화(Clustering) 알고리즘

개요군집화(Clustering)는 유사한 특성을 가진 데이터를 그룹으로 묶는 비지도 학습(Unsupervised Learning) 기법이다. 이는 데이터 마이닝, 고객 세분화, 이상 탐지 등 다양한 분야에서 활용되며, 대표적인 알고리즘으로 K-Means, DBSCAN, 계층적 군집화(Hierarchical Clustering) 등이 있다. 본 글에서는 군집화 알고리즘의 개념, 주요 기법, 장단점 및 활용 사례를 살펴본다.1. 군집화(Clustering)란?군집화는 데이터 내에서 패턴을 찾아 그룹을 형성하는 비지도 학습 기법이다. 이는 레이블이 없는 데이터를 분석할 때 유용하며, 유사한 데이터 포인트를 하나의 클러스터로 묶어 의미 있는 패턴을 도출한다.✅ 군집화는 데이터 그룹화를 통해 분석의 효율성을 높이..

Topic 2025.03.19

K-Means Clustering vs DBSCAN

개요K-Means Clustering과 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)은 데이터를 그룹화하는 대표적인 군집화(Clustering) 알고리즘이다. K-Means는 사전 정의된 클러스터 수를 기반으로 데이터를 분류하는 반면, DBSCAN은 데이터 밀도를 활용하여 자동으로 클러스터를 형성한다. 본 글에서는 K-Means와 DBSCAN의 개념, 구성 요소, 장단점 및 활용 사례를 비교 분석한다.1. K-Means Clustering이란?K-Means Clustering은 사전에 정해진 개수(K)의 클러스터로 데이터를 나누는 군집화 알고리즘이다. 클러스터 중심(centroid)을 기준으로 데이터를 분류하며, 반복적인 업데이트..

Topic 2025.03.19
728x90
반응형