관측치 군집화(Cluster Observations)

Cluster Observations는 둘 이상의 수치 변수를 기준으로 가장 비슷한 관측값을 단계적으로 합치고, 그 결과를 덴드로그램으로 그립니다. 7가지 연결법과 5가지 거리 측도 중에서 선택하며, 단위가 다른 변수는 표준화합니다. Ward, Centroid, Median은 Euclidean 또는 Squared Euclidean 거리가 필요합니다. 군집 수를 입력하면 트리를 잘라 각 관측값에 군집 번호를 붙입니다.

최종 검토

핵심 요점

Cluster Observations는 군집 수를 미리 알지 못해도 여러 수치 변수에서 서로 비슷한 행을 묶는 계층적 군집화로, 자연스러운 집단과 동떨어진 행을 보여 주는 덴드로그램을 그립니다.

이 페이지 내용
  1. 목적
  2. 주요 기능
  3. 통계적 방법
  4. 입력 항목 및 옵션
  5. 출력 설명
  6. 계산 예제

목적

Cluster Observations는 군집 수를 미리 알지 못해도 여러 수치 변수에서 서로 비슷한 관측값(행)을 묶습니다. 가장 비슷한 관측값을 단계적으로 합치고 그 결과를 덴드로그램(트리)으로 그리므로, 자연스러운 집단이 몇 개인지와 어떤 관측값이 함께 속하는지 확인할 수 있습니다. 배치, 부품, 공급업체 또는 생산 런의 자연스러운 군을 찾거나, 어느 집단에도 속하지 않는 관측값을 찾아낼 때 사용합니다.

주요 기능

  • 둘 이상의 수치 변수를 기준으로 한 관측값의 계층적(병합형) 군집화.
  • 7가지 연결법: Single, Complete, Average, Centroid, Median, McQuitty, Ward.
  • 5가지 거리 측도: Euclidean, Squared Euclidean, Manhattan (City Block), Cosine, Correlation.
  • 단위가 다른 변수가 동등하게 반영되도록 하는 선택적 표준화.
  • 전체 병합 순서를 보여 주는 덴드로그램과, 군집 수를 지정했을 때 각 관측값에 대한 선택적 군집 배정.

통계적 방법

선택한 변수 중 하나라도 값이 없거나 숫자가 아닌 행은 제외되며, 관측값은 최소 3개 필요합니다. Standardize variables를 선택하면 각 변수는 표본 표준편차 s를 사용하여 z = (x − mean) / s로 변환됩니다. 이어서 선택한 측도로 모든 관측값 쌍 사이의 거리를 계산합니다. Euclidean은 √Σ(xᵢ − yᵢ)², Squared Euclidean은 Σ(xᵢ − yᵢ)², Manhattan은 Σ|xᵢ − yᵢ|, Cosine은 1 − cos(두 행 사이의 각도), Correlation은 1 − r(두 행 사이의 상관계수)입니다.

군집화는 모든 관측값을 각각 하나의 군집으로 시작하여, 하나가 남을 때까지 가장 가까운 두 군집을 반복해서 합칩니다. 연결법은 두 군집 사이의 거리를 어떻게 측정할지 정합니다. Single은 가장 가까운 구성원 쌍을, Complete는 가장 먼 구성원 쌍을, Average는 모든 쌍별 거리의 평균을, McQuitty는 가중 평균을, Centroid는 군집 중심 사이의 거리를, Median은 가중하지 않은 중심 사이의 거리를 사용하며, Ward는 군집 내 제곱합의 증가가 가장 작은 군집 쌍을 합칩니다. Ward, Centroid, Median은 Euclidean 또는 Squared Euclidean 거리가 필요하며, 도구는 다른 조합을 허용하지 않습니다.

덴드로그램에서 두 가지가 만나는 높이는 병합 시점의 두 군집 사이 거리이므로, 수직으로 긴 가지는 서로 잘 분리된 집단을 나타냅니다. Number of clusters를 입력하면 트리가 해당 개수의 군집이 되는 수준에서 잘리고, 각 관측값에 군집 번호가 붙습니다.

입력 항목 및 옵션

항목

설명

Variables

각 관측값을 설명하는 둘 이상의 수치 열입니다. Ctrl 또는 Command를 누른 채 클릭하여 여러 개를 선택합니다.

Linkage method

군집 사이의 거리를 측정하는 방법: Single, Complete, Average(기본값), Centroid, Median, McQuitty 또는 Ward.

Distance measure

두 관측값 사이의 거리를 측정하는 방법: Euclidean(기본값), Squared Euclidean, Manhattan (City Block), Cosine 또는 Correlation.

Standardize variables

기본적으로 선택되어 있습니다. 먼저 모든 변수를 평균 0, 표준편차 1로 조정하므로 단위가 큰 변수가 결과를 지배하지 않습니다.

Number of clusters

선택 사항이며 2 이상입니다. 트리를 이 개수의 군집으로 자르고 Cluster Assignments 표를 추가합니다. 비워 두면 덴드로그램만 표시됩니다.

Title

덴드로그램에 표시되는 제목입니다. 기본값은 Cluster Observations입니다.

cluster-observations-inputs


그림 1 — 예제의 옵션: 특성 열 4개, Ward 연결법, Euclidean 거리, 표준화, 군집 2개.

출력 설명

  • Dendrogram — 병합 순서입니다. 관측값(행 번호)이 트리 순서대로 x축에 놓이며, y축(Distance)은 가지가 만나는 수준을 나타냅니다.
  • Cluster Assignments — Number of clusters를 입력했을 때 표시되며, 각 관측값의 행 번호와 군집 번호를 보여 줍니다.
  • Download를 통한 PDF 내보내기.

cluster-observations-output


그림 2 — Ward 연결법으로 그린 재료 배치 40개의 덴드로그램: 두 개의 주요 가지가 약 12.1의 거리에서 만납니다.

계산 예제

한 재료 연구소에서 배치 40개의 밀도(g/cc), 경도(HB), 인장 강도(MPa), 연신율(%)을 측정했습니다. 연구소는 Standard 또는 Premium 구분을 사용하지 않고 배치가 자연스러운 집단으로 나뉘는지 알고자 합니다. 특성 열 4개를 선택하고 Linkage method = Ward, Distance measure = Euclidean을 선택하며, Standardize variables는 선택한 상태로 두고(g/cc 단위의 밀도와 MPa 단위의 강도는 그대로는 비교할 수 없으므로) Number of clusters = 2를 입력합니다.

덴드로그램에는 12.1의 거리에서 만나는 두 개의 주요 가지가 나타나며, 이는 그다음 병합(7.3과 6.0)보다 훨씬 높으므로 두 집단으로 자르는 것이 자연스럽습니다. 군집 1은 더 단단하고 강한 배치 17개로 구성됩니다(평균 231.6 HB와 1,308 MPa, 연신율 19.8%). 군집 2는 더 무르고 연성이 큰 배치 23개입니다(170.5 HB, 1,103 MPa, 연신율 21.7%). 배치 유형과 비교하면 군집 1에는 Premium 12개와 Standard 5개가, 군집 2에는 Standard 15개와 Premium 8개가 들어 있어, 군집이 유형과 일치하는 배치는 40개 중 27개뿐입니다.

연구소의 관점에서 두 유형은 특성이 많이 겹치며, 상당수의 Standard 배치가 Premium 배치만큼 강합니다. 연결법의 선택도 중요합니다. Average 연결법에서는 두 군집으로 자르면 배치 하나(행 5, 80.1 HB와 822.6 MPa로 나머지보다 훨씬 무름)만 따로 분리되고 나머지 39개가 함께 묶이는데, 이는 집단이 아니라 특이치를 찾는 데 유용한 방법입니다. Ward 트리를 3개의 군집으로 자르면 무른 배치 9개(138.2 HB, 995.9 MPa)의 집단이 분리됩니다.

자주 묻는 질문

관측값의 계층적 군집화란 무엇입니까?

모든 관측값을 각각 하나의 군집으로 시작하여, 하나가 남을 때까지 가장 가까운 두 군집을 반복해서 합칩니다. 그 결과를 덴드로그램으로 그리므로, 군집 수를 미리 알지 못해도 자연스러운 집단이 몇 개인지와 어떤 관측값이 함께 속하는지 확인할 수 있습니다. 어느 집단에도 속하지 않는 관측값을 드러낼 수도 있습니다.

덴드로그램은 어떻게 읽습니까?

관측값은 트리 순서대로 x축에 놓이며, y축은 가지가 만나는 거리를 나타냅니다. 수직으로 긴 가지는 서로 잘 분리된 집단을 나타냅니다. 계산 예제에서는 두 개의 주요 가지가 12.1의 거리에서 만났고 이는 그다음 병합인 7.3과 6.0보다 훨씬 높았으므로, 두 집단으로 자르는 것이 자연스러웠습니다.

어떤 연결법을 사용해야 합니까?

도구는 Single, Complete, Average, Centroid, Median, McQuitty, Ward를 제공합니다. Ward는 군집 내 제곱합의 증가가 가장 작은 군집 쌍을 합치며, Centroid 및 Median과 마찬가지로 Euclidean 또는 Squared Euclidean 거리가 필요합니다. 선택이 중요합니다. 예제에서 Average 연결법은 동떨어진 배치 하나를 분리했지만, Ward는 두 집단을 찾았습니다.

군집화에 앞서 변수를 표준화해야 합니까?

Standardize variables는 기본적으로 선택되어 있으며, 먼저 모든 변수를 평균 0, 표준편차 1로 조정하므로 단위가 큰 변수가 결과를 지배하지 않습니다. 예제에서 g/cc 단위의 밀도와 MPa 단위의 강도는 표준화하지 않으면 비교할 수 없었을 것입니다. 값이 없거나 숫자가 아닌 행은 제외되며, 관측값은 최소 3개 필요합니다.