[AI] 비지도 학습, Unsupervised Learning

비지도 학습 (Unsupervised Learning) 이란?

정답(라벨)을 알려주지 않고 학습시키는 방법으로,
컴퓨터가 라벨이 없는 데이터를 바탕으로 스스로 구조나 패턴을 찾아내고,
데이터의 고유한 특성을 기준으로 그룹(군집)으로 분류하는 방식이다.

---

비지도 학습 과정

1. 라벨이 없는 데이터만 제공한다.
2. 컴퓨터에게 "몇 개의 그룹으로 나눠보라"고 지시한다.
3. 컴퓨터는 데이터 간의 유사도를 기준으로 그룹화한다.
   • 그룹 간의 거리가 멀수록 유사도는 낮다.
     

---

대표 알고리즘

• K-Means Clustering
  데이터를 K개의 그룹으로 나누는 가장 대표적인 알고리즘.
  각 데이터는 가장 가까운 중심점(centroid)에 할당된다.

• 계층적 군집화 (Hierarchical Clustering)
  데이터 간 거리를 기반으로 트리 구조 형태의 군집을 형성.
  시각적으로는 덴드로그램(dendrogram)으로 표현 가능.

• DBSCAN
  밀도 기반 군집화 방식. 밀집된 영역만 군집으로 인식하며,
  밀도가 낮은 이상치(노이즈)는 군집에서 제외된다.

---

비지도 학습 활용 사례

• 고객 세분화 (Customer Segmentation)
  쇼핑몰 고객의 구매 성향이나 행동 데이터를 분석해 유사한 그룹으로 분류

• 이상 탐지 (Anomaly Detection)
  정상 패턴에서 벗어난 데이터를 감지하여 사기 거래, 시스템 오류 등을 탐지

• 문서 분류 및 주제 추출
  뉴스 기사, 리뷰 등 라벨이 없는 문서 데이터를 자동으로 주제별로 군집화

---

지도 학습 vs 비지도 학습 비교

항목	지도 학습 (Supervised)	비지도 학습 (Unsupervised)
데이터	정답(라벨)이 있는 데이터	라벨이 없는 데이터
목적	예측, 분류	구조 탐색, 군집화
대표 알고리즘	회귀, 분류 (SVM, Decision Tree 등)	K-Means, DBSCAN, PCA 등
예시	스팸 메일 분류, 고양이/강아지 분류	고객 세그먼트 분류, 뉴스 주제 자동 분류