— views
AI 입문 9화. 정답 없이 비슷한 것끼리 모으기 — 비지도학습
이름표가 없는 빵 사진 수백 장을 받았습니다. 민지는 비슷한 사진을 먼저 묶어 보면 정리하기 쉬울 것이라고 생각합니다.
정답 대신 자료의 관계를 살펴봅니다
비지도학습은 주어진 정답 레이블 없이 자료의 구조나 패턴을 찾는 학습 방식입니다. 비슷한 사례를 묶는 군집화가 대표적인 예입니다. 고객의 구매 패턴이나 문서의 표현을 묶는 데 활용할 수 있습니다.
정답이 없다는 것은 아무 기준도 없다는 뜻이 아닙니다. 어떤 특징으로 표현할지, 무엇을 비슷하다고 계산할지, 몇 개의 묶음을 만들지 같은 선택이 결과에 영향을 줍니다.
비슷하다는 기준이 달라지면 묶음도 달라집니다
군집은 입력을 어떻게 표현했는지에 따라 달라집니다. 모델이 찾은 묶음과 매장의 상품 분류가 같을 필요는 없습니다.
따라서 결과를 보고 어떤 공통점이 있는지 확인해야 합니다. 사람이 군집에 '아침 간편식 선호'라는 이름을 붙였다면 그것은 해석입니다. 모델이 손님의 진짜 마음을 직접 읽었다는 뜻은 아닙니다.
발견한 패턴을 실제 업무로 연결합니다
군집을 이용해 자료를 살펴볼 순서를 정하거나, 서로 비슷한 사례를 찾거나, 특징 표현을 단순하게 만들 수 있습니다. 이후 일부 자료에 레이블을 붙여 다른 학습 문제에 활용할 수도 있습니다.
드문 사례가 주변과 다르다고 반드시 잘못된 자료인 것은 아닙니다. 새로운 제품이나 중요한 소수 사례일 수도 있습니다. 군집과 이상치 결과는 확인해야 할 단서로 사용합니다.
같은 사진이 다른 묶음에 들어가는 이유

밝은 식빵과 밝은 둥근 빵은 색으로 묶으면 같은 군집, 모양으로 묶으면 다른 군집일 수 있습니다. 작은 군집이 불량품이 아니라 신제품일 수도 있습니다.
한눈에 정리하기
비교 기준 | 가능한 묶음 |
|---|---|
색 | 밝은 빵·어두운 빵 |
모양 | 둥근 빵·길쭉한 빵 |
구매 패턴 | 함께 자주 구매되는 상품 |
가격 | 비슷한 가격대 |
군집에 붙인 번호는 순위가 아닙니다.
조금 더 깊이 · 선택해서 읽기
비지도학습에는 군집화 외에도 차원 축소나 분포 학습 같은 접근이 있습니다. 정답 레이블이 없더라도 목적과 평가 기준은 설계해야 합니다.
함께 볼 위키
출처와 더 읽을 자료
Google — What is Machine Learning? (Unsupervised learning) — 레이블 없는 패턴 발견 · 확인 2026-10-29
Google — What is clustering? — 군집과 유사도 기준 · 확인 2026-10-29
만화는 AI로 제작한 비유이며, 별도 표시가 없는 수치는 가상 예시입니다.
Comments (0)