이론 정복 강의 · ADsP · 교재 462–463쪽

군집분석 · 비지도학습

자기조직화지도
SOM

Self-Organizing Map
셀프 오거나이징 맵 · 코호넨 맵(Kohonen Map)

격자(Grid)승자 뉴런(BMU)이웃 학습(Neighborhood)시각화(Visualization)

출제포인트: 교재 기준 2025년 2문제 · 비교·선택형 개념 이해

학습목표 : SOM의 구조를 설명하고, 경쟁학습 과정과 일반적인 역전파 신경망의 차이를 구분한다.

교재 p.462 · 01 개요와 구성

고차원 데이터를 2차원 지도 위에 배열한다

SOM(Self-Organizing Map)은 Teuvo Kohonen(코호넨)이 개발한 비지도 신경망이다. 유사한 입력값을 지도에서 대체로 가까운 위치에 나타내도록 학습한다.

정의 자기조직화지도란?

고차원 데이터 → 저차원 격자 지도

정답 레이블 없이 데이터의 유사 패턴을 학습하여, 군집 구조를 공간적으로 시각화한다.

입력층 Input Layer (인풋 레이어)

하나의 입력 벡터를 이루는 특성(변수)을 받는다.
뉴런(입력 노드) 수는 일반적으로 입력 변수 수와 같다.
입력 차원이 경쟁층의 각 뉴런과 연결된다.

경쟁층 Competitive Layer (컴페티티브 레이어)

보통 2차원 격자(Grid)에 배치된 뉴런들로 구성.
각 뉴런은 입력과 비교하는 가중치 벡터를 보유.
가장 비슷한 뉴런을 BMU로 선택한다.

SOM 신경망 구조 개념도

Fully Connected
풀리 커넥티드 · 입력 차원마다 경쟁층의 모든 뉴런과 가중치 연결

Topological Map
토폴로지컬 맵 · 비슷한 패턴이 지도상에 이웃하도록 학습

※ 그림의 입력 노드 4개는 구조 설명을 위한 예시입니다. 실제 노드 수는 데이터의 특성 수에 따라 달라집니다.

교재 p.462 · 02 학습 과정 · 인터랙티브 연습

가장 가까운 뉴런을 고른 뒤 이웃까지 함께 학습한다

학습의 핵심은 BMU(Best Matching Unit, 최적 일치 단위)와 그 주변 격자 뉴런의 가중치를 입력벡터 쪽으로 갱신하는 것이다.

SOM의 4단계 학습 암기 순서

1

초기화 · Initialize (이니셜라이즈)경쟁층 뉴런별 연결 가중치 w 설정.

2

거리 계산 · Competition (컴피티션)입력벡터 x와 각 뉴런의 가중치 벡터 사이 거리 계산 → BMU 선택.

3

이웃 갱신 · Cooperation & Adaptation승자와 인접한 뉴런들의 가중치를 입력벡터에 가깝게 조정.

4

반복 · Iterate (이터레이트)다른 입력벡터에 대해 2~3단계를 되풀이하고 학습률·이웃 범위를 보통 점차 축소.

수식으로 한 번만 이해

BMU = arg min_j ‖ x − w_j ‖

입력 x와 가중치 w_j 사이 거리가 가장 작은 j번째 뉴런을 승자로 선택한다.

선택 후 BMU와 이웃 뉴런의 가중치를 갱신한다. 승자만 학습하는 방식이 아니다.

시험 함정 : 경쟁학습의 '승자 독점'은 승자를 선택하는 규칙을 말한다. 전형적인 SOM에서는 주변 뉴런도 업데이트한다.

직접 확인하는 SOM 격자 체험

아래 예시 입력을 선택하면, 각 뉴런의 2차원 가중치와 거리를 비교하여 BMU를 표시합니다.

BMU(승자)이웃 뉴런

입력벡터 · Input(0.12, 0.14)

최적 일치 뉴런 · BMU-

BMU와 입력 간 거리-

학습 횟수0회

입력을 고르면 가장 유사한 뉴런이 파란색, 격자상의 가까운 이웃이 초록색으로 표시됩니다.

구분 핵심 : 입력공간에서의 거리로 승자(BMU)를 선택하지만, 격자상 위치로 어느 이웃 뉴런까지 가중치를 조정할지 정한다.

교재 p.463 · 03 특징과 차이점

SOM을 구별하는 3가지 특징

비지도학습 · 이웃 관계의 대략적 보존 · 경쟁학습이 다른 신경망 접근법과 구분되는 기준이다.

① 저차원 시각화 · Visualization

여러 특성을 가진 데이터를 보통 2차원 격자에 나타내므로, 패턴과 군집 경향을 한눈에 파악할 수 있다.

② 위상 관계 · Topology

입력공간에서 유사한 관측값은 지도 위에서도 대체로 가까운 곳에 대응하도록 학습한다.

※ 유사성이 항상 완벽히 보존된다는 뜻은 아닙니다.

③ 경쟁학습 · Competitive Learning

오차의 역전파 대신 BMU 선택 → 이웃 가중치 갱신을 반복하는 대표적인 비지도 신경망이다.

SOM vs 일반적인 역전파 신경망 빈출 비교

구분	SOM	오차역전파 신경망 예시
학습방식	경쟁·이웃학습	손실 최소화를 위한 오차역전파
구성	입력층 + 2차원 경쟁층	입력층 + 은닉층 + 출력층
학습 유형	비지도학습	교재 비교대상의 전형적 예는 지도학습
학습 기준	유사도·거리, BMU, 격자상의 이웃	정답 레이블 및 예측오차
대표 목적	패턴 발견·시각화·군집 탐색	분류·회귀·예측 등

정확한 해석 : 모든 신경망이 지도학습인 것은 아니며, 표는 SOM과 교재에서 비교한 전형적인 역전파 기반 지도학습 신경망을 대비합니다.

문제 키워드 세트격자 · 위상 · BMU · 비지도

교재 p.463 · 04 장점·단점과 출제포인트

SOM의 장단점은 해석 용이성과 설정 민감성으로 정리

군집의 전반적인 형태를 보는 데 유용하지만 격자 수와 가중치 초기화에 따라 학습 결과가 달라질 수 있다.

✓ 장점 · Strengths (스트렝스)

✓고차원 데이터 시각화
복잡한 데이터를 2차원 지도로 표시해 이해하기 쉽다.

✓패턴 발견
비슷한 관측값의 분포와 잠재 군집 구조를 탐색한다.

✓레이블 없이 학습
정답이 없어도 자료의 구조를 스스로 조직화한다.

✓역전파 불필요
경쟁학습과 국소적 이웃 갱신으로 학습할 수 있다.

활용 예시 : 관광객의 선호·활동성·소비성향 등을 기반으로 서로 비슷한 관광객 유형을 지도상에 표시.

! 단점 · Limitations (리미테이션스)

!초기값 영향
초기 가중치와 초기 학습률에 따라 결과 차이가 나타날 수 있다.

!격자 크기 선정
경쟁층의 적절한 뉴런 수와 배열을 결정하기 어렵다.

!설정 조정 필요
학습률·이웃 범위·학습 반복 횟수에 따라 품질이 달라진다.

!거리·구조 왜곡 가능
입력공간의 관계를 저차원에 완벽히 보존하지는 못한다.

교재 문장 보완 : 역전파를 사용하지 않아 상대적으로 간단하지만, 모든 상황에서 학습 속도나 실시간 처리가 보장되는 것은 아닙니다.

암기 한 줄“보이기 쉽지만, 시작값과 격자 설정이 중요하다.”

교재 p.463 · 05 핵심개념체크 · 실제 제공된 기출 2문항

기출문제 48 · 49 직접 선택해 정답 확인

문항별 선택지를 하나 고른 후 정답 확인을 눌러 보세요. 정답과 해설은 버튼을 누르기 전까지 숨겨집니다.

11회 기출 · 48번 클러스터링 방법

고차원 데이터를 이해하기 쉬운 저차원의 뉴런으로 정렬하여 지도의 형태로 형상화하는 클러스터링 방법으로 적절한 것은?

① 의사결정나무 (Decision Tree) ② 연관규칙 (Association Rule) ③ 랜덤포레스트 (Random Forest) ④ 자기조직화지도 (SOM)

힌트: 고차원 → 저차원 지도

30회 기출 · 49번 경쟁층의 역할

SOM은 비지도 신경망으로 고차원 데이터를 저차원의 뉴런으로 정렬한다. 입력벡터의 특성에 따라 벡터가 한 점으로 클러스터링되는 층은?

① 경쟁층 (Competitive Layer) ② 입력층 (Input Layer) ③ 은닉층 (Hidden Layer) ④ 출력층 (Output Layer)

힌트: 2차원 격자

해설 포인트 : SOM = 저차원 지도 시각화 + 2차원 격자 경쟁층. 의사결정나무·랜덤포레스트는 일반적으로 지도학습에 활용되는 기법이며, 연관규칙은 항목 간의 공출현 관계를 탐색한다.

교재 462–463쪽 · 06 30초 암기

SOM 시험 직전 최종 요약

비지도학습의 대표적인 신경망으로, 경쟁층 2차원 격자 → BMU 선택 → 이웃 가중치 갱신 순서가 핵심입니다.

01

학습방법비지도학습
경쟁학습(Competitive Learning)

02

구조입력층 + 2차원 격자 경쟁층
코호넨 맵

03

핵심 절차초기화 → BMU 선택 → 이웃 갱신 → 반복

04

목적고차원 패턴을 저차원 지도에 표현 · 군집 탐색

암기 공식

1
가중치
초기화

2
거리 계산
BMU 선정

3
승자·이웃
가중치 갱신

4
다음 자료
반복 학습

한 문장 정의

“유사한 데이터를 2차원 격자상 가까이 배열하도록 학습하는 비지도 신경망.”

틀리기 쉬운 문장 판별

문장	판정
SOM은 일반적으로 2차원 경쟁층을 사용한다.	○
정답 레이블을 이용한 오차역전파가 필수이다.	×
BMU의 이웃 뉴런도 가중치를 갱신할 수 있다.	○
고차원의 모든 거리·관계를 100% 보존한다.	×
격자 뉴런 수와 초기 가중치는 결과에 영향을 준다.	○

기출 정답 : 11회 48번 ④ SOM · 30회 49번 ① 경쟁층

자기조직화지도SOM