[33일차] ABC부트캠프 : 최종 프로젝트(3)

들어가며

지도 시각화한 결과를 바탕으로 변수 선정 후 클러스터링을 진행하는 단계이다. 어떤 법정동들이 선정되었는지, 그리고 타당하게 선정되었는지도 함께 알아보자.

 

클러스터링

클러스터링은 서로 유사한 속성을 갖는 데이터를 같은 군집으로 묶어주는 작업이다. 클러스터링에는 다양한 종류가 있는데, 여러 레퍼런스를 참고해서 총 4개의 클러스터링 모델을 선정했다.

K-Means	클러스터 중심(centroid)을 이용해 데이터를 클러스터링
K-Medoids	K-Means와 유사하지만, 클러스 중심으로 중심점이 아닌 실제 데이터 포인트를 선택
Hierarchical Clustering	데이터를 계층적으로 클러스터링하는 방법으로, 주로 병합적 방법이 사용됨
Gaussian Model Mixure	데이터가 여러 개의 가우시안 분포로부터 생성되었다고 가정하고 클러스터링 수행

클러스터링 변수 선정

클러스터링 변수를 선정하기 위해서는 서로 밀접한 상관관계를 갖는 독립변수를 제외해야한다. 이를 다중공선성이라고 하는데, 히트맵을 통해서 그 정도를 확인해보았다.

대개 0.8이상이면 다중공선성이 높다고 판단한다. 따라서 우리는 다중공선성에 해당하지 않으면서 법정동 선정에 중요하다고 생각한 `일별예상쓰레기발생량`, `상권수`를 선택했다.

 

클러스터링 결과

각 클러스터링 모델 별로 진행한 결과이다. 위에는 군집된 그룹을 법정동마다 색으로 구분해준 결과이고, 아래는 선택한 변수에 따라서 군집된 그룹을 그래프로 나타낸 것이다. Elbow기법을 통해 최적의 k값은 모두 3으로 지정했다. GMM은 각 클러스터를 정규분포로 모델링함으로써 분포 모양이 대칭적이기 때문에 그룹 경계가 원형을 띠고 있다.

 

1차 수요 법정동 선정 - Hard Voting

Hard voting이란 각각의 모델들이 결과를 예측하면 단순하게 가장 많이 표를 얻은 결과를 선택하는 것을 말한다. 각 클러스터링 모델마다 가장 많은 법정동들로 군집화된 그룹을 추려냈다.

K-Means	Cluster 0
K-Medoids	Cluster 0
Hierarchical Clustering	Cluster 2
Gaussian Model Mixture	Cluster 0

 

이제 각 모델마다 추려진 그룹에 가장 많이 해당되는 법정동들을 선정한다.

• 봉명동
• 상대동
• 장대동
• 지족동
• 전민동
• 관평동

총 6개의 법정동이 4개의 클러스터에 모두 해당됨으로써 1차 수요 법정동으로 선정되었다. 선정된 법정동과 그렇지 않은 법정동들의 변수 데이터를 비교해보면 확연한 차이를 확인할 수 있다.

 

마무리

다양한 클러스터링 모델을 사용했기 때문에 Hard voting의 장점이 잘 작용했던 것 같다. 이제 1차적인 법정동들을 선정했으니 다음 2차 법정동 선정을 통해 최종적인 입지까지 선정해보자.