클러스터링(clustering)은 가장 일반적인 머신 러닝으로 유용하게 사용된다. 예를 들어 마케팅 회사는 고객을 세분화할 수 있는 방법으로 클러스터링을 좋아한다. 이 장에서는 클러스터링에 대해 자세히 살펴보고, 클러스터링이 어떻게 작동하고 어디에 사용되는지 알아보겠다.

 

 

 

 

클러스터링을 한마디로 정의하면 ‘유사한 성격을 가진 개체를 묶어 그룹으로 구성하는 것’이다. 클러스터링은 사전에 훈련용 데이터가 없는 비지도 학습이다. 그림 8-1을 보면 확연히 구분되는 세 데이터 그룹이 있는데, 그룹 각각이 클러스터다.

▲ 그림 8-1 클러스터의 그래프 표현

 

클러스터링의 주요 목적은 주어진 데이터에서 구조를 찾는 것이다. 클러스터링은 알고리즘이 많은 만큼 사용할 수 있는 선택 범위가 넓다. 이런 점이 실험하기에 편리하다. 어떤 알고리즘을 선택해야 하는가? 때때로 코드를 모아 실행해보아야 한다. 우리는 이런 작업을 간단히 할 수 있다.