비지도 학습은 지도학습과 다르게 훈련데이터에 정답(label)이 없는 학습방법이다.
그래서 클러스터링 기법을 사용해서 데이터가 유사한 것 끼리 묶어준다.
클러스터링이란 명확한 분류 기준이 없는 상황에서 데이터를 분석하여 유사한 것 끼리 묶어주는 작업이다.

1. K-Means

클러스터링의 대표적인 알고리즘이다.

1) 알고리즘 동작 순서

1. 원하는 클러스터의 수 (K)를 정한다.
2. 무작위로 K개의 중심점을 선정한다.
3. 중심점과 점으로 된 데이터간의 l2거리를 계산한 후 가장 가까운 거리를 가지는 중심점의 클러스터에 속하도록 한다.
4. k개의 클러스터의 중심점으 재조정한다. 특정 클러스터에 속하는 모든 점들의 평균값이 해당 클러스터의 다음 iteration 의 중심점이 된다.
5. 재조정된 중심점을 바탕으로 3-4번 과정을 반복한다.
6. 반복 횟수는 사용자가 조절하면되고 특정 iteration이상이 되면 중심점이 더이상 바뀌지않게한다.

2)k-means 알고리즘이 잘 동작하지 않는 예시

1. 원형 분포
   
2. 달 모양 분포
   
3. 대각선 모양 분포
   

3) k-means 알고리즘 단점

• k값을 미리 지정해야하므로 이를 알거나 예측하기 어려운 경우 사용하기 어렵다.

• l2거리가 가까운 데이터끼리 클러스터링이 이루어지기때문에 데이터의 분포에 따라 l2거리가 멀면서 밀접하게 연관되어있는 데이터들은 클러스터링을 하기 힘들다.

2. DBSCAN

또 다른 클러스터링의 알고리즘이다. K-means 알고리즘을 사용해 해결하기 어려웠던 문제들을 DBSCAN 알고리즘을 활용해 해결할 수 있다. DBSCAN 알고리즘은 클러스터링 할 개수 K값을 미리 지정할 필요가 없다. 또 l2 거리 기반으로 클러스터링 하는 것이 아닌 조밀하게 몰려 있는 클러스터를 군집화하는 방식이다. 그래서 불특정한 형태의 군집도 찾을 수 있다.
[DBSCAN 클러스터링 방식](DBSCAN - primo.ai)

1) 알고리즘 동작 순서

알고리즘을 보기전에 변수 및 용어를 알아보자

• epsilon : 클러스터의 반경
• minPts : 클러스터를 이루는 개체의 최솟값
• core point : 반경 epsilon내에 minPts개 이상의 점이 존재하는 중심점
• border point : 군집의 중심이 되지는 못하지만, 군집에 속하는 점
• noise point : 군집에 포함되지 못하는 점

  1. 임의의 점 p를 설정하고, p를 포함하여 주어진 epsilon안에 포함되어있는 점들의 개수를 센다.
  2. 만약 해당 원에 minPts개 이상의 점이 포함되어있으면, 해당 점p를 core point로 간주하고 원에 포함된 점들을 하나의 클러스터로 묶는다.
     3.해당 원에 minPts개 미만의 점이 포함되어있으면, 일단 pass한다.
  3. 모든 점에 대해 돌아가면서 1~3 번의 과정을 반복하는데, 만약 새로운 점 p'가 core point가 되고, 이 점이 p를 core point로 하는 클러스터에 속한다면 , 두개의 클러스터는 연결되어있다고하며, 하나의 클러스터로 묶어준다.
  4. 모든 점에 대하여 클러스터링 과정을 끝낸다.
  5. 어떤 점을 중심으로 하더라도 클러스터에 속하지 못하는 점이 있으면 noise point로 간주한다.

2) DBSCAN으로 k-means가 못한 군집화 가능

3) DBSCAN 단점

데이터 수가 적을때는 K-means 알고리즘이 더 느리지만, 군집화할 데이터의 수가 많아질수록 DBSCAN의 알고리즘 수행시간이 급격하게 늘어나게 된다.
또한 클러스터의 수 K를 지정해줄 필요가 없지만 데이터분포에 맞는 epsilon과 minPts의 값을 지정해줘야한다.

정리