다차원척도법(MDS)

01 · LESSON OVERVIEW

오늘의 수업 목표와 핵심 개념

다차원척도법을 이해 → 비교 → 해석하는 3가지 학습 목표

📖 교재 p.326 · 학습 도입교안 01 / 10

🎯 수업이 끝나면 할 수 있어야 하는 것

1

MDS의 목적 설명하기

대상 사이의 유사성·거리 정보를 왜 2차원이나 3차원 점지도로 표현하는지 설명한다.

2

MDS와 군집분석 구별하기

‘누가 누구와 가까운가?’와 ‘누가 같은 그룹인가?’라는 분석 목적의 차이를 말할 수 있다.

3

MDS 종류와 결과 해석하기

계량·비계량 MDS의 차이를 구분하고, Stress 값으로 거리 표현의 적합도를 판단한다.

🧭 MDS 분석은 이렇게 생각하면 쉽습니다

관광지마다 특징은 다양하지만, 각 관광지가 서로 얼마나 비슷한지를 한 장의 지도에 표현할 수 있습니다.

🏖️① 대상관광지 비교

📏② 거리유사·비유사

📍③ MDS지도에 배치

📊④ 평가Stress 확인

“휴양지와 자연공원은 가깝구나!”

대상을 점으로 배치해 관계를 보여줌

군집분석(Clustering)

“두 관광지는 같은 그룹이구나!”

비슷한 대상을 묶어 집단을 만듦

오늘의 한 문장: “MDS는 거리 관계를 지도처럼 보여주는 방법이다.”

🔑 핵심 키워드 · 개념 풀이

MDS · 다차원척도법Multidimensional Scaling

대상 간의 가깝고 먼 관계를 점의 위치로 보여주는 분석

근접성 · 가까움Proximity

두 대상이 서로 얼마나 가까운 관계에 있는지 나타낸 정보

유사성 · 비유사성Similarity / Dissimilarity

서로 비슷한 정도 / 서로 다른 정도. 비유사성이 크면 더 다르다는 뜻

거리Distance

점 사이가 얼마나 떨어져 있는지 나타내는 값. 보통 짧을수록 비슷함

차원 축소Dimensionality Reduction

복잡한 여러 특성의 관계를 2차원이나 3차원으로 간단히 표현

군집분석Cluster Analysis

서로 비슷한 대상끼리 그룹으로 묶는 방법. MDS와 목적이 다름

계량 / 비계량 MDSMetric / Nonmetric MDS

거리의 크기 관계를 다루는 방식 / 거리의 순서 관계를 중시하는 방식

스트레스 · 부적합도Stress

점지도가 원래의 거리 관계를 얼마나 잘 표현하지 못했는지 나타내는 값. 일반적으로 작을수록 좋음

📚

쪽수 안내 — 제공된 교재 내용의 확인 가능한 쪽수는 p.326입니다. 본 교안의 첫 장·핵심 정의·기출 59번은 p.326을 기준으로 하며, 나머지 예시와 세부 설명은 p.326 주제에 대한 수업용 보충·확장 내용입니다. ‘교안 01/10’은 교재 쪽수가 아니라 화면 순서입니다.

02 · WHAT IS MDS?

멀고 가까운 관계를 ‘지도’로 바꾸는 분석

MDS = Multidimensional Scaling(다차원척도법)

📖 교재 p.326 · 핵심 정의교안 02 / 10

🗺️ 예: 관광지 네 곳을 관광객의 인식에 따라 배치하면?

※ 위 배치는 원리를 설명하기 위한 가상의 예시이며, 실제 분석 결과가 아닙니다.

개념을 가장 짧게 이해하기

① 대상들 사이의 유사성(Similarity) 또는 비유사성(Dissimilarity)을 구합니다.

② 그 관계를 2차원·3차원 점의 위치로 나타냅니다.

③ 비슷한 대상은 가깝게, 다른 대상은 멀게 배치하려고 합니다.

MDS의 핵심 질문: “누구와 누가 얼마나 가깝게 느껴질까?”

입력: 대상 간 거리·유사성출력: 공간상의 점 배치

👩‍🎓

① 관광지를 조사해요“네 곳 중 어디가 비슷하지?”

📏

② 차이를 측정해요“둘의 차이는 작네!”

🗺️

③ 점을 찍어요“비슷한 곳은 가까이!”

💡

④ 관계가 보이네요“아! 이런 인식 구조였구나.”

개념 연습 01 · 신규핵심 목적 확인

Q. 다차원척도법(MDS)의 가장 직접적인 목적은 무엇인가요?

답을 눌러도 해설이 열립니다.

정답 ② — MDS의 목적은 대상 사이의 유사성·비유사성을 공간상 거리로 표현하는 것입니다. 공간의 가로축과 세로축 자체가 인과관계나 회귀계수를 의미하지는 않습니다.

03 · PROXIMITY

두 점이 가까우면, 두 대상의 차이도 작다

근접성(Proximity) · 비유사성(Dissimilarity) · 거리(Distance)

📖 교재 p.326 연계 · 확장교안 03 / 10

📍 점 A, B, C, D 사이에서 한 쌍을 선택해 보세요

A–B는 서로 가까워 비유사성이 작습니다.

거리표를 먼저 만들고 점을 배치합니다

분석의 출발점은 각 대상의 점수 자체가 아니라 대상과 대상 사이의 차이입니다.

거리	A	B	C	D
A	0	1.0	3.0	5.0
B	1.0	0	3.2	4.2
C	3.0	3.2	0	4.0
D	5.0	4.2	4.0	0

교육용 행렬: A(0,0), B(1,0), C(0,3), D(4,3)에서 구한 거리의 반올림 값입니다. 위 그림은 도식화한 배치입니다.

거리 0에 가까울수록 ‘차이가 작다’는 뜻. 거리 5는 거리 1보다 비유사성이 큽니다.

개념 연습 02 · 신규거리표 해석

Q. 동일한 기준의 비유사성 거리에서 A–B=1, A–D=5라면 적절한 해석은?

‘거리’와 ‘유사도’를 혼동하지 마세요.

정답 ③ — 비유사성으로 정의한 거리가 작으면 두 대상의 차이도 작습니다. 다만 ‘유사도 점수’가 입력이라면 적절한 비유사성 변환이 먼저 필요할 수 있습니다.

04 · DIMENSION REDUCTION

여러 특성의 관계를 2차원 한 장에 압축

차원 축소(Dimensionality Reduction)의 의미를 단계별로 확인

📖 교재 p.326 연계 · 확장교안 04 / 10

원자료의 변수가 많아도, 결과는 2D 지도일 수 있어요

1특성 수집

2거리 계산

3점 위치 탐색

4적합도 확인

무엇을 최대한 보존할까요?

원래 자료에서 A와 B가 가깝고 A와 D가 멀었다면, 축소 후 공간에서도 A–B는 가깝고 A–D는 멀도록 점을 배치합니다.

원래 거리 δ_ij ↔ 지도 거리 d_ij

차원이 작아지면 정보를 한 화면에 보여주기 쉬워지지만, 거리 관계를 완벽하게 나타내지 못할 수 있습니다.

정확한 표현: 차원 축소에 항상 거리 손실이 생기는 것은 아닙니다. 원래 거리 구조가 2차원에 정확히 표현 가능한 경우에는 왜곡 없이 배치할 수도 있습니다.

목적은 단순히 점을 적게 만드는 것이 아니라 관계의 구조를 최대한 살리는 것입니다.

개념 연습 03 · 신규차원 축소 핵심

Q. MDS에서 ‘저차원 공간에 배치한다’는 말의 의미로 가장 적절한 것은?

‘지도상의 점’이 중요한 이유를 생각하세요.

정답 ① — MDS는 대상 사이의 거리 구조를 가능한 한 보존하는 저차원 공간 표현입니다. 군집 수를 강제로 정하거나 원래 변수를 삭제하는 기법을 뜻하지 않습니다.

05 · MDS vs CLUSTER ANALYSIS

같은 거리 자료를 쓰더라도 ‘결과’가 다릅니다

MDS는 ‘어디에 있는가?’ · 군집분석은 ‘어느 그룹인가?’

📖 교재 p.326 연계 · 확장교안 05 / 10

🧭 두 가지 분석의 산출물을 비교해 보세요

① MDS · 상대적 위치

대상이 어느 위치에 있는지, 거리와 방향을 봅니다.

② 군집 · 소속 집단

개체를 어느 집단에 묶을지 결정합니다.

차이를 한 문장씩 외우기

MDS: 개체들을 평면의 점으로 배치하여 관계를 파악한다.
군집분석(Clustering): 유사한 개체를 집단으로 묶는다.
공통점: 대상 사이의 유사성·비유사성 또는 거리 개념을 활용할 수 있다.
주의: MDS 지도에서 가까운 점들이 보이더라도 그룹 경계나 군집 수를 자동 확정하지는 않는다.

MDS = 위치 지도 / 군집분석 = 그룹 편성

개념 연습 04 · 신규자주 헷갈리는 비교

Q. MDS와 군집분석을 구별하는 설명으로 옳은 것은?

위치 표현과 집단 구분을 대비하세요.

정답 ② — MDS의 주된 산출물은 좌표와 점의 배치이고 군집분석의 주된 산출물은 집단 분류입니다. MDS 결과를 후속 군집분석에 활용할 수는 있어도 둘은 같은 분석이 아닙니다.

06 · METRIC / NONMETRIC

MDS의 두 가지 접근: 거리의 ‘크기’와 ‘순서’

계량 MDS(Metric MDS) vs 비계량 MDS(Nonmetric MDS)

📖 교재 p.326 연계 · 확장교안 06 / 10

같은 A–B, A–C, A–D 거리인데 무엇을 중요하게 볼까?

계량 MDS · 크기 관계

관측 거리: 1, 2, 4

A–B

1

A–C

2

A–D

4

거리의 수치적 크기 관계를 최대한 반영

비계량 MDS · 순서 관계

거리 순서: 작음 → 중간 → 큼

A–B

1

A–C

2.5

A–D

3.5

수치가 바뀌어도 작음·중간·큼의 순서 유지

계량 = 거리의 크기 관계 / 비계량 = 거리의 순위(순서)

구분 포인트

계량 MDS거리의 수치적 관계

비계량 MDS거리의 서열 관계

공통 목표저차원 공간의 관계 표현

계량(Metric): 거리를 수치적인 수준에서 잘 표현하도록 점을 배치합니다.
비계량(Nonmetric): 비유사성 값이 제시하는 순서가 지도상의 거리 순서와 가능한 한 일치하도록 합니다.
실제 세부 방법과 최적화 기준은 알고리즘에 따라 달라질 수 있습니다.

예시에서 비계량 MDS의 값 1·2.5·3.5는 ‘순서만 보존할 수 있다’는 의미를 보여주는 임의의 수치입니다.

개념 연습 05 · 신규종류 구분

Q. 비계량 다차원척도법(Nonmetric MDS)이 특히 중요하게 보존하려는 것은?

Metric과 Nonmetric의 차이

정답 ③ — 비계량 MDS는 원래 비유사성의 순위(서열)를 가능한 한 보존하는 데 초점을 둡니다. 점 위치를 통해 나타난 거리의 수치 자체는 원래 입력값과 정확히 같을 필요가 없습니다.

07 · STRESS & FIT

점 하나를 움직이면 ‘거리 왜곡’이 달라집니다

스트레스(Stress)는 거리 구조의 표현 오차를 나타내는 적합도 지표

📖 교재 p.326 연계 · 확장교안 07 / 10

🎛️ D점 위치를 바꾸며 왜곡 정도를 관찰하세요

D점의 가로 위치 변경

변화 0.0

목표 구조는 정사각형입니다. D만 이동하므로 나머지 점과의 거리가 달라집니다.

스트레스가 작을수록 거리 관계를 잘 나타냅니다

시연용 고정 목표 거리의 Stress-1 형태

0.000

목표 거리와 일치

0에 가까움 · 왜곡 작음큼 · 왜곡 큼

Stress = √[Σ(d_ij − δ_ij)² / Σd_ij²]

δ: 목표 거리d: 지도 거리

목표 B–D 2.00 → 지도 B–D 2.00

해석 주의: 이 활동은 점 D를 이동하는 학습용 거리 오차 실험입니다. 실제 MDS는 여러 점을 최적화하며, 비계량 MDS에서는 목표 비유사성에 단조변환을 적용한 거리(Disparity)를 쓸 수 있습니다. Stress의 정의·정규화는 방법에 따라 다릅니다.

Stress가 작을수록 좋지만, 특정 수치만 보고 ‘무조건 우수’라고 단정하지는 않습니다.

개념 연습 06 · 신규Stress 해석

Q. 같은 데이터와 적합한 비교 조건에서 MDS의 Stress가 더 작아졌다는 뜻은?

작은 Stress = 상대적으로 좋은 적합

정답 ① — Stress는 원래 비유사성 구조와 저차원 배치의 거리 간 불일치를 측정합니다. 비교 가능 조건에서 낮아지면 거리 구조를 더 잘 표현한다는 뜻입니다. 단, 차원 수나 자료 특성에 따라 값은 달라질 수 있습니다.

08 · HOW TO READ A MAP

MDS 지도는 ‘절대좌표’보다 ‘점 사이의 거리’

해석 원칙: 가까움·멀어짐 / 상대적 배치 / 축의 의미는 검토 필요

📖 교재 p.326 연계 · 확장교안 08 / 10

지도를 회전해도 점 사이 거리는 그대로예요

배치 A

전체를 회전한 배치 B

지도 방향을 바꿔도 관계의 의미가 유지될 수 있습니다. 중요한 것은 점 사이의 거리 관계입니다.

해석할 때 꼭 확인할 4가지

① 가까운 점: 비유사성 기준으로 차이가 작은 개체일 가능성이 큽니다.
② 먼 점: 비유사성 기준으로 차이가 큰 개체일 가능성이 큽니다.
③ 축의 이름: x·y 축에 ‘가격’이나 ‘만족도’ 같은 의미가 자동으로 정해지지는 않습니다. 외부 정보로 해석해야 합니다.
④ Stress: 2차원 지도가 원래 거리 관계를 얼마나 표현하는지 함께 살펴봅니다.

유사성을 어떻게 계산했는지와 점의 배치가 얼마나 잘 맞는지가 해석의 출발점입니다.

개념 연습 07 · 신규지도 해석

Q. MDS 결과 지도의 가로축(x축)에 관한 올바른 설명은?

MDS 점지도의 방향은 회전할 수 있습니다.

정답 ④ — MDS는 보통 점 사이의 거리 관계가 핵심입니다. 축 회전·반사가 가능하여 결과 지도의 축에 고유한 이름이 자동으로 주어지지는 않습니다. 실제 자료와 외부 변수의 관계를 참고해 해석할 수 있습니다.

09 · EXAM QUESTION 59

기출 59번: ‘완전히 보존’이라는 표현이 함정

제공된 기출 원문을 그대로 제시하고 이론을 연결해 설명합니다.

📖 교재 p.326 · 기출 59번교안 09 / 10

⚖️ 두 상황을 비교하면 왜 ④가 틀렸는지 보입니다

보존이 가능한 경우

왜곡이 생기는 경우

출제포인트: 절대적인 표현을 경계하세요

① 고차원 → 저차원: 가능
② 거리/유사도 시각화: 주요 목적
③ 거리 관계 보존 노력: 핵심 원리
④ 모든 경우에 완벽한 보존 보장: 틀림

MDS는 거리를 가능한 한 보존합니다. 항상 완벽히 보존한다고 보장할 수는 없습니다.

과도한 일반화를 피하세요. 모든 차원 축소에서 반드시 왜곡이 생긴다는 주장도 정확하지 않습니다.

제공 원문 · 기출 59번적절하지 않은 설명 선택

59. 다차원척도법(MDS)에 대한 설명 중 적절하지 않은 것은 무엇인가?

정답은 한 개입니다.

정답 ④ — ①~③은 MDS의 목적과 기능에 부합합니다. 그러나 ④는 거리의 완전한 보존을 일반적으로 보장하는 듯한 표현입니다. 주어진 비유사성 구조가 선택한 저차원 공간에 정확히 표현되지 않는다면 거리가 왜곡됩니다. MDS는 적합도가 좋은 배치를 찾는 것이지 언제나 왜곡 0을 보장하는 방법은 아닙니다. 단, 일부 거리 자료에서는 실제로 왜곡 0이 가능합니다.

10 · FINAL REVIEW

시험 직전, 이 다섯 문장만 연결해 기억하세요

MDS 목적 → 거리 → 군집과 차이 → 종류 → Stress

📖 교재 p.326 연계 · 확장교안 10 / 10

5개 핵심 키워드 흐름

① MDS비유사성을 2차원·3차원 점지도로 표현

② Distance비유사성 거리가 작다 = 더 비슷하다

③ ClusteringMDS는 위치 배치, 군집분석은 집단 묶기

④ Metric / Nonmetric거리 크기 관계 / 거리 순서 관계

⑤ Stress거리 표현의 불일치. 작을수록 대체로 좋음

⑥ 한계와 해석완벽한 거리 보존은 보장되지 않음

💬 수업에서 말로 설명해 보기

🧭

“누가 가깝지?”대상 간 거리 수집

📍

“지도에 찍자!”MDS 점 배치

📊

“잘 나타냈나?”Stress 확인

🎓

“100% 보장은 아니야!”기출 함정 기억

암기 문장: “MDS는 관계를 지도에, 군집은 개체를 그룹에, Stress는 거리 왜곡을 수치에!”

종합 점검 · 신규개념 세 가지 결합

Q. 다음 중 MDS에 관한 설명으로 가장 적절한 것은?

정답을 확인한 뒤 09 기출 59번으로 돌아가 보세요.

정답 ③ — MDS는 거리 기반 저차원 배치로 관계를 시각화합니다. Stress는 저차원 표현이 원래 거리 구조와 얼마나 불일치하는지를 판단하는 하나의 지표입니다. 일반적으로 작을수록 적합이 좋습니다.