1
AD 1957장면 1 / 3Bell Labs
로이드 — 벨 연구소 내부 보고서
스튜어트 로이드가 펄스 코드 변조 양자화를 위해 알고리즘 발명. 25년간 발표되지 않음.
기록된 장소와 지도 기준점이 일치하는 장면
이 장면을 지도에서 이어 보기이 개념의 출항 질문
우연에서 신호 읽기10 / 11번째 항구“‘K-평균 클러스터링’에서 묻습니다. 한 번의 우연에서 반복되는 신호를 어떻게 읽을까?”
주사위와 보험에서 데이터, 잡음, 학습 알고리즘까지 불확실성을 측정하고 판단으로 바꾸는 여정입니다.
이 항로는 이해를 돕는 편집 경로입니다. 직접적인 역사 영향선이나 한 사람의 단독 발명을 뜻하지 않습니다.
한 호흡으로 이해하기
"비슷한 데이터를 같은 그룹으로 묶기"의 가장 단순한 방법. k개 중심을 임의로 놓고 → 가장 가까운 중심에 데이터 할당 → 중심 재계산 → 반복. 고객 세그먼트 분석, 이미지 색 압축, 유전자 발현 분류, 추천 시스템의 첫 도구.
한눈에 보기
반복 | 단계 | 결과 |
|---|---|---|
초기화 | k개의 중심을 무작위 선택 | 예: μ₁=(2,3), μ₂=(8,7) |
1 | 각 점을 가장 가까운 중심에 할당 | 점 (3,3) → 군집 1 |
1 | 중심을 재계산 (군집 평균) | 새 μ₁, μ₂ |
2 | 재할당 → 재계산 | 점 몇 개가 군집을 바꿈 |
… | 변화 없을 때까지 반복 | 수렴 (지역 최솟값) |
수렴 | 최종 군집 분할 | 응용: 고객 세그먼트, 이미지 색 압축, 유전자 군집 |
K-means는 지역 최솟값에 빠질 수 있어, 보통 여러 번 다른 초기화로 돌려 가장 좋은 결과를 고른다.
개념
"비슷한 것들끼리 묶기"의 기본 알고리즘. 1957년 벨 연구소에서 시작된 단순한 아이디어가 모든 데이터 과학의 첫 도구가 되었다.
핵심 식
각 군집 내 분산의 합 최소화
시간의 항구
이 개념은 한 번에 발명되지 않았습니다
장면을 따라가면 문제, 표기, 증명 기준과 쓰임이 서로 다른 장소와 시대에서 어떻게 바뀌었는지 보입니다.
2
AD 1967장면 2 / 3같은 연도의 세계에서 이어 보기
맥퀸 — K-means라는 이름
제임스 맥퀸이 알고리즘을 일반화하고 k-means라는 이름 부여.
정확한 장소가 없어 거짓 핀 대신 시간만 이어지는 장면
같은 연도의 세계에서 이어 보기3
AD 2007장면 3 / 3같은 연도의 세계에서 이어 보기
K-means++ — 더 나은 초기화
아서·바실비츠키가 초기 중심점을 똑똑하게 선택하는 K-means++ 발표. 사실상의 표준이 됨.
정확한 장소가 없어 거짓 핀 대신 시간만 이어지는 장면
같은 연도의 세계에서 이어 보기오늘날의 응용
고객 세그멘테이션, 이미지 압축, 유전체 분석, 추천 시스템, 이상 탐지, AI 학습 데이터 준비.
MathVoyage 너머로
큐레이터가 고른 원전과 탐구 과제. OEIS·Project Euler·MathOverflow·arXiv에서는 발견 하나를 수첩으로 가져올 수 있습니다.
- 위키백과
- Wolfram MathWorld
한 사람이 만든 개념이 아닙니다
역할이 다른 사람들을 따라가기
대표 연결은 발명자 명단이 아닙니다. 문제를 열고, 언어를 다듬고, 다른 세계로 옮긴 서로 다른 항구입니다.
수의 렌즈
같은 개념도 수의 세계가 바뀌면 다르게 보입니다
아래 수는 필수 선수 조건이 아니라 이 항로를 비추는 편집 렌즈입니다.
개념의 계보
무엇을 딛고, 무엇을 열었을까?
직접 연결만 표시하며 완전한 학습 순서나 역사 영향선을 뜻하지 않습니다.