군집분석 핵심 4가지

두 가지 분류 기준을 섞지 않기

알고리즘의 계층 구조와 작동 원리는 서로 다른 기준입니다.

A. 계층 구조 기준

계층적 — 응집형(병합) · 분할형(분리)
비계층적 — 계층 구조를 반드시 만들지 않음

B. 작동 원리 기준

분할 기반 · 밀도 기반 · 모형 기반 · 신경망 기반 · 격자 기반

가장 중요한 구분: 계층적 분할형(Divisive)과 K-means가 속한 비계층적 분할 기반(Partitioning)은 다른 개념입니다. 또한 HDBSCAN은 밀도 기반이면서 계층 구조를 활용하므로 두 분류 축이 겹칠 수 있습니다.

학습 우선순위 — 먼저 볼 4가지

관광학 강의와 연구 실습을 기준으로 한 권장 순서입니다.

순위	유형	대표 알고리즘	중요도	기억할 내용
1	비계층적 · 분할 기반	K-means	★★★★★	k 사전 지정 · 중심점 · 군집 내 응집도
2	계층적 · 응집형	Ward	★★★★★	단계적 병합 · 덴드로그램 · 절단 위치
3	밀도 기반	DBSCAN	★★★★★	밀집지역 · ε · MinPts · 노이즈
4	모형 기반	GMM · LCA	★★★★☆	소속 확률 · 잠재집단 · 모형 비교
5	밀도 기반 확장	HDBSCAN · OPTICS	★★★☆☆	밀도 차이 · 계층적 구조 · 군집 추출
6	신경망 기반	SOM	★★☆☆☆	고차원 지도의 시각화 · 후속 군집화
7	격자 기반	STING · CLIQUE	★☆☆☆☆	공간 격자 분할 · 밀집 셀 탐색

※ 별점은 객관적인 출제 빈도가 아닌 관광학 연구·강의 활용을 위한 학습 우선순위입니다. 계층적 분할형 DIANA는 Ward와의 원리 차이부터 익히는 것을 권합니다.

그림으로 보는 핵심 군집분석 4가지

네 그림은 설명 목적의 자체 제작 개념도이며 실제 분석 결과가 아닙니다.

① K-means

Partition-based Clustering · 분할 기반

한 문장미리 정한 k개 군집의 중심점에 가까운 관광객끼리 묶습니다.

관광 사례여행자 1만 명의 활동 선호·소비액을 바탕으로 미식형·휴양형·액티비티형 등으로 구분합니다.

암기 포인트 · k 사전 지정 / 수치형 변수 / 중심점(Centroid) / 변수 표준화 검토

② Ward

Hierarchical Agglomerative · 계층적 응집형

한 문장군집 내 제곱합 증가가 작도록 군집을 단계적으로 병합합니다.

관광 사례관광객의 유사성을 바탕으로 덴드로그램을 그리고, 적절한 군집 수를 탐색합니다.

암기 포인트 · 단계적 병합 / 덴드로그램 / 절단선 / Ward 기준

③ DBSCAN

Density-based Clustering · 밀도 기반

한 문장일정 반경 안에 점이 밀집한 곳을 군집으로 보고 고립된 점은 노이즈로 구분합니다.

관광 사례GPS 기록으로 관광객이 집중된 핫스폿을 찾아냅니다.

암기 포인트 · ε(eps) / min_samples(MinPts 개념) / 핵심점·경계점 / 노이즈 / k 사전 지정 불필요

④ GMM · LCA

Model-based Clustering · 모형 기반

한 문장집단 소속을 확률로 추정하여 두 집단에 모두 속할 가능성을 표현합니다.

관광 사례관광객의 잠재 선호 유형과 개인별 집단 소속 확률을 추정합니다.

암기 포인트 · GMM: 주로 연속형 / LCA: 주로 범주형 / 후보 집단 수 비교 / AIC·BIC

※ GMM 그림의 68%·32%는 설명용 가상 수치입니다. K-means와 Ward의 군집 수 또는 절단선도 설명용 예시입니다.

관광 연구에서는 무엇을 선택할까?

분석 목적을 먼저 판단하고, 이후 변수 유형·모형 가정·타당성을 확인합니다.

관광객을 몇 개의 유형으로 나눌까?

K-means

k를 사전 지정한 수치형 군집화

유형이 어떤 단계로 합쳐질까?

Ward

덴드로그램과 군집 수 탐색

관광객이 어디에 몰려 있을까?

DBSCAN

위치정보의 밀집지역과 노이즈

잠재 유형에 속할 확률은?

GMM · LCA

확률 기반의 잠재집단 추정

실무에서 더 중요한 확인: 연속형인지 범주형인지, 단위가 다른 변수를 표준화할지, 적정 군집 수를 어떤 기준으로 비교할지, 결과가 반복해도 안정적인지를 함께 검토해야 합니다.

학생들이 반드시 기억할 3문장

Ward = 어떻게 합쳐지는가?계층적 구조 · 덴드로그램

K-means = 어떻게 나눌 것인가?k 사전 지정 · 중심점 기준

DBSCAN = 어디가 밀집되어 있는가?밀도 · 노이즈 구분