K-means 클러스터링 시각화
데이터 포인트를 K개 군집으로 나누는 과정을 단계별로 관찰하세요
설정
28
빠름느림
데이터 생성
캔버스를 클릭하면 포인트를 추가할 수 있습니다
실행
통계
반복
0
상태
대기
포인트
0
SSE
-
미할당군집 1군집 2군집 3센트로이드
알고리즘 단계
초기화
랜덤 센트로이드 K개 배치 (K-means++ 방식)
할당
각 포인트를 가장 가까운 센트로이드에 할당
이동
각 군집의 평균 위치로 센트로이드 이동
수렴
할당이 변하지 않으면 종료
자주 묻는 질문
K-means 클러스터링이란?
K-means는 데이터를 K개의 군집으로 나누는 비지도 학습 알고리즘입니다. 각 데이터 포인트를 가장 가까운 센트로이드(중심점)에 할당하고, 센트로이드를 재계산하는 과정을 수렴할 때까지 반복합니다.
K값은 어떻게 정하나요?
엘보 방법(Elbow Method)이 가장 널리 쓰입니다. K를 1부터 늘려가며 SSE(Sum of Squared Errors)를 그래프로 그리면, 감소폭이 급격히 줄어드는 "팔꿈치" 지점이 최적의 K입니다.
K-means의 한계는?
K-means는 볼록(convex) 형태의 군집에 최적화되어 있어, 달 모양이나 고리 모양 같은 비볼록 군집을 제대로 분류하지 못합니다. 또한 초기 센트로이드 위치에 따라 결과가 달라질 수 있으며, K를 사전에 지정해야 합니다.