K-means 클러스터링이란?

K-means 클러스터링은

• 비지도 학습(Unsupervised Learning) 알고리즘으로,
• 사용자가 미리 정한 K개의 클러스터 수를 기준으로
• 데이터를 자동으로 K개의 그룹으로 묶는 방법입니다.

데이터에 정답(label) 이 없는 상태에서

서로 비슷한 데이터끼리 묶는 것이 핵심 목적입니다.

 

1. QGIS에서 K-means 클러스터링 실행 흐름

QGIS에서 K-means를 실행하면 다음 과정을 거칩니다.

 

1️⃣  입력 레이어 선택

• 예: 지하철 역사 위치(점 데이터)

2️⃣ 클러스터 수(K) 입력

• 예: K = 5

3️⃣ 알고리즘 실행

실행 결과로 속성 테이블에 새로운 필드가 추가됩니다.

• CLUSTER_ID
  → 각 객체가 어느 클러스터에 속하는지 나타내는 번호
• CLUSTER_SIZE
  → 해당 클러스터에 몇 개의 객체가 포함되어 있는지\

 

 

 

2. K 값에 따라 결과는 어떻게 달라질까?

K-means의 가장 중요한 특징은

👉 K 값에 따라 결과가 완전히 달라진다는 점입니다.

• K = 2
  → 매우 거친 그룹화 (큰 덩어리 2개)
• K = 5
  → 적절한 수준의 공간적 분리
• K = 10
  → 세밀하지만 과도하게 쪼개질 수 있음

✔️ 따라서 K 선택은 분석 목적에 따라 결정해야 합니다.

 

3. 공간 데이터에서의 K-means 활용

공간 데이터(GIS)에 K-means를 적용하면,

• 행정구역
• 생활권
• 서비스 권역
• 수요 패턴 지역

등을 객관적인 기준으로 구분할 수 있습니다.

예를 들어,

• 서울시 행정동을 K-means로 묶으면
  → 유사한 공간 특성을 가진 지역 그룹을 도출할 수 있습니다.

 

 

정리하면

• K-means는 사전에 정한 K 값을 기준으로 데이터를 그룹화하는 비지도 학습 기법
• QGIS에서는 실행 시 CLUSTER_ID, CLUSTER_SIZE 필드가 자동 생성됨
• K 값이 작을수록 거칠고, 클수록 세밀한 분류
• 공간 분석에서는 지역 유형화·권역 분석에 매우 유용

K-means는 “몇 개로 나눌지(K)”를 정하고, 그 기준에 따라 데이터를 가장 비슷하게 묶는 방법이다.