DBSCAN 클러스터링

밀도 기반 클러스터링과 노이즈 탐지. 밀도를 기반으로 데이터 포인트를 그룹화하여 클러스터 수를 자동으로 감지하고, 어떤 클러스터에도 속하지 않는 노이즈/이상치 포인트를 식별합니다.

밀도를 기반으로 데이터 포인트를 그룹화하여 클러스터 수를 자동으로 감지하고, 어떤 클러스터에도 속하지 않는 노이즈/이상치 포인트를 식별합니다.

DBSCAN 클러스터링이란 무엇인가요?

DBSCAN은 가까이 모여 있는 데이터 포인트를 그룹화하고 저밀도 영역의 포인트를 이상치로 표시합니다. K-Means와 달리 클러스터 수를 미리 지정할 필요가 없으며 임의 형태의 클러스터를 찾을 수 있습니다.

두 매개변수: 엡실론(eps) — 이웃으로 간주되는 최대 거리, 최소 샘플(minSamples) — 밀집 영역을 형성하는 데 필요한 최소 포인트 수. 코어, 경계, 노이즈 포인트로 분류됩니다.

DBSCAN은 다양한 밀도의 클러스터, 비볼록 형태, 상당한 노이즈가 있는 데이터에 효과적입니다. 그러나 밀도가 매우 다른 클러스터에는 어려움이 있습니다.

Formula: 핵심점: |N_eps(p)| ≥ minSamples 경계점: |N_eps(p)| < minSamples이지만 핵심점으로부터 eps 이내 잡음: 핵심점도 경계점도 아님 N_eps(p) = {q : dist(p,q) ≤ eps}

계산 예시

포인트: (1,1), (1.1,1.2), (0.9,0.8), (5,5), (5.1,5.2), (4.9,4.8), (10,10). eps=1.0, minSamples=2. 클러스터 1: {(1,1),(1.1,1.2),(0.9,0.8)}. 클러스터 2: {(5,5),(5.1,5.2),(4.9,4.8)}. 노이즈: {(10,10)}.

이 계산기를 사용해야 할 때

이상치를 클러스터와 분리된 잡음 점으로 명시적으로 식별해야 하는 이상 탐지를 수행하는 데이터 과학자
클러스터 형태가 불규칙하고 그룹 수를 알 수 없는 지리 데이터(예: 범죄 다발 지역, 배송 위치)를 클러스터링하는 공간 분석가
K-Means처럼 모든 점을 클러스터에 강제로 넣으면 분석이 왜곡되는, 자연적 잡음이 있는 데이터를 분석하는 연구자
K-Means가 탐지하지 못하는 비구형 패턴(고리, 초승달, 길쭉한 형태)을 이루는 센서 측정값을 그룹화하는 엔지니어

피해야 할 일반적인 실수

epsilon을 너무 크게 설정 — 서로 다른 클러스터가 하나로 병합됩니다; k-distance 플롯에서 곡선의 무릎(knee) 지점에 해당하는 적절한 eps 값을 찾으세요
epsilon을 너무 작게 설정 — 대부분의 점이 잡음으로 분류되고 클러스터가 거의 또는 전혀 발견되지 않습니다; 데이터 대부분이 잡음으로 표시된다면 eps가 너무 작은 것일 가능성이 높습니다
클러스터링 전 특성 스케일링을 하지 않음 — DBSCAN은 유클리드 거리를 사용하므로 스케일이 큰 특성이 거리 계산을 지배합니다; 먼저 모든 특성을 표준화하세요
밀도가 크게 다른 클러스터에 DBSCAN 사용 — 단일 eps 값으로는 조밀한 클러스터와 희박한 클러스터를 동시에 수용할 수 없습니다; HDBSCAN이나 OPTICS를 대신 고려하세요

결과 해석 방법

잡음 점(이상치로 표시)은 저밀도 영역의 데이터 점입니다 — 진짜 이상 현상, 측정 오류, 또는 클러스터 사이의 전이 데이터를 나타낼 수 있습니다
클러스터 수는 미리 지정하지 않고 데이터와 파라미터에 의해 자동으로 결정됩니다 — 이것이 K-Means 대비 핵심 장점입니다
알고리즘이 클러스터를 하나만 찾거나 모든 점을 잡음으로 분류한다면 eps와 minSamples를 조정해 보세요 — 데이터의 밀도 구조에 맞게 파라미터를 튜닝해야 합니다

자주 묻는 질문

eps와 minSamples를 어떻게 선택하나요?

minSamples: 일반적으로 2 × 차원 수. eps: k-최근접 이웃 거리 곡선의 '무릎'에서 선택합니다.

K-Means 대신 DBSCAN을 언제 사용해야 하나요?

클러스터 수를 모르거나 불규칙한 형태이거나 상당한 노이즈가 있는 경우 DBSCAN을 사용하세요. K-Means는 구형 클러스터에 더 빠릅니다.

DBSCAN 클러스터링