군집분석 · 개념 그림 + 기출문제 통합 학습 HTML

CONCEPT 01

군집분석이란

1 / 4

정의각 객체의 유사성을 측정해 유사성이 높은 대상끼리 집단으로 분류하는 비지도학습 분석방법

판별분석과 차이판별분석은 "사전에" 집단을 알고 분류, 군집분석은 사전 정보 없이 학습을 통해 분류

↓ 기출 1번 연결 ↓

QUESTION 01

붓꽃 데이터로 군집을 나눌 때 적절한 기법

12회 기출

관련 문제

150개의 식물 개체를 4개의 변수(꽃받침 길이, 꽃받침 폭, 꽃잎 길이, 꽃잎 폭)로 측정한 데이터를 사용하여 3개의 식물 군으로 구분하려 한다. 이때 사용 가능한 분석 방법으로 적절한 것은?

① 회귀분석(Regression)

② 시계열분석(Time series Analysis)

③ 군집분석(Cluster Analysis)

④ 연관분석(Association Analysis)

정답 ③

군집분석은 사전 레이블이 없는 데이터를 유사성을 기반으로 그룹화하는 비지도 학습 기법이다. 회귀분석은 연속형 종속변수를 예측할 때 사용되고, 시계열분석은 시간적 순서를 고려한 데이터를 분석하며, 연관분석은 항목 간의 관계를 탐색한다.

① 오답회귀분석은 예측할 종속변수가 있을 때 쓴다 — 이 문제엔 맞혀야 할 종속변수가 없다.

② 오답시계열분석은 시간 순서가 있는 데이터를 다룬다 — 꽃받침·꽃잎 측정값에는 시간 요소가 없다.

③ 정답레이블(품종) 없이 측정값의 유사성만으로 3개 군으로 나누는 것이 바로 군집분석이다.

④ 오답연관분석은 동시 발생 규칙(장바구니 분석 등)을 찾는 기법이다 — "군으로 나누기"와는 다른 목적이다.

핵심 암기 · "몇 개의 군으로 나누자" → 군집분석(Cluster Analysis)

CONCEPT 02

군집 간 거리 — 연결법 4가지

2 / 4

연결법	기준 거리
최단연결법(Single)	두 군집에서 가장 가까운 개체 간의 거리
최장연결법(Complete)	두 군집에서 가장 먼 개체 간의 거리
평균연결법(Average)	모든 개체 간의 평균 거리
중심연결법(Centroid)	두 군집의 중심 간의 거리

↓ 기출 2번 연결 ↓

QUESTION 02

가장 먼 거리로 정의하는 연결법

38회 기출

관련 문제

다음 중 군집 간 거리를 군집에 속한 개체 간의 거리 중 가장 먼 거리로 정의하는 군집분석의 연결법은 무엇인가?

① 최단연결법 (Single Linkage)

② 최장연결법 (Complete Linkage)

③ 평균연결법 (Average Linkage)

④ 중심연결법 (Centroid Linkage)

정답 ②

최장연결법은 두 군집 내의 가장 먼 개체 간의 거리를 기준으로 군집 간 거리를 정의한다. 최단연결법은 가장 가까운 개체 간의 거리를, 평균연결법은 모든 개체 간의 평균 거리를, 중심연결법은 군집의 중심 간의 거리를 기준으로 한다.

① 오답최단연결법은 가장 가까운 개체 간 거리를 기준으로 한다 — "가장 먼"과는 반대 기준이다.

② 정답최장연결법만 두 군집에서 가장 먼 개체 간의 거리를 기준으로 삼는다.

③ 오답평균연결법은 모든 개체 쌍의 평균 거리를 쓴다 — 가장 먼 거리라는 극값 기준이 아니다.

④ 오답중심연결법은 개체 간 거리가 아니라 두 군집의 중심(centroid) 간 거리를 기준으로 한다.

핵심 암기 · 최단=가까운 둘 / 최장=먼 둘 / 평균=전체평균 / 중심=중심끼리

CONCEPT 03

계층적 군집분석과 덴드로그램

3 / 4

덴드로그램(Dendrogram)은 계층적 군집분석 결과를 시각화한 트리 그림 — 특정 높이(height)에서 수평선을 그었을 때 만나는 수직선의 개수가 그 높이에서 생성되는 군집의 수다.

↓ 기출 3번 연결 ↓

QUESTION 03

덴드로그램에서 군집 수 읽기

33회 기출

관련 문제

계층적 군집분석 결과를 덴드로그램으로 시각화하였다고 할 때, Tree의 높이(height)가 60일 경우 나타나는 군집의 수는 몇 개인가?

① 2

② 3

③ 4

④ 5

정답 ②

덴드로그램은 계층적 군집 분석 결과를 시각화한 그림으로, 각 데이터 포인트 간의 유사성을 나타내는 트리 구조이다. 덴드로그램에서 높이 60의 수평선을 그어보면, 이 선과 만나는 수직선의 개수가 그 높이에서 생성되는 군집의 수를 의미한다. 높이 60의 수평선을 그었을 때, 총 3개의 수직선과 만나게 된다.

① 오답2개는 height=60보다 더 높은 지점(군집이 더 많이 병합된 곳)에서 그은 수평선의 교차 수다.

② 정답height=60 수평선은 수직선 3개와 만난다 — 군집 3개.

③ 오답4개는 height=60보다 더 낮은 지점(아직 덜 병합된, 더 세분화된 곳)의 교차 수다.

④ 오답5개도 ③보다 한 단계 더 낮은, 더 세분화된 지점의 교차 수다 — height=60과는 다른 높이의 값이다.

핵심 암기 · 덴드로그램 + 수평선 = 그 높이에서 만나는 선 개수가 군집 수

CONCEPT 04

K-means 군집분석과 Elbow 방법

4 / 4

K-means는 군집 개수(k)를 초기에 정하고 seed 중심으로 군집을 형성, 수렴 기준에 도달하거나 seed 중심 변화가 없을 때까지 반복한다 — "95% 이상 할당 시 조정 멈춤"이 아니다.

↓ 기출 4번 연결 ↓

QUESTION 04

K-means 군집분석 설명으로 틀린 것

15회 기출

관련 문제

K-means 군집분석에 대한 설명으로 틀린 것은?

① K-means 군집분석은 원하는 군집의 개수를 초기에 정하고 seed 중심으로 군집을 형성한다.

② K-means 군집분석은 각 개체를 가장 가까운 seed가 있는 군집으로 분류한다.

③ 군집으로 분류된 개체들의 정보를 활용하여 새로운 seed를 계산하면서 개체의 적용에 따른 seed의 변화를 관찰한다.

④ 95% 이상의 개체가 seed에 할당 되면 seed의 조정을 멈춘다.

정답 ④

K-means 군집분석에서는 수렴 기준에 도달하거나 군집 중심의 변화가 없을 때까지 반복되며, 특정 비율 이상의 개체가 할당되었다고 조정을 멈추지 않는다. 나머지 선택지는 K-means 군집분석의 원리를 정확히 설명한다.

※ 이 문제는 "틀린 것"을 고르는 문제 — ①②③은 전부 맞는 설명이라 정답(오답 후보)이 아니고, 유일하게 틀린 설명인 ④가 정답으로 선택된다.

① 맞는 설명군집 수 k를 미리 정하고 seed(초기 중심)를 기준으로 군집을 형성하는 것이 K-means의 출발점이다 — 틀린 설명이 아니므로 정답이 될 수 없다.

② 맞는 설명각 개체는 거리상 가장 가까운 seed가 속한 군집으로 분류된다 — 틀린 설명이 아니므로 정답이 될 수 없다.

③ 맞는 설명군집에 할당된 개체들의 평균으로 새 seed를 다시 계산하고, 그 변화를 관찰하며 반복한다 — 틀린 설명이 아니므로 정답이 될 수 없다.

④ 정답(틀린 설명)K-means는 "95% 이상 할당"처럼 특정 비율을 멈춤 기준으로 쓰지 않는다 — 실제 멈춤 기준은 seed 중심이 더 이상 움직이지 않을 때(수렴)다.

핵심 암기 · K-means는 "중심이 더 안 움직일 때까지" 반복 — 비율 기준 아님