"Clustering" 이 주는 철학
정답이 없는 문제를 대하는 우리의 자세
by
Apr 14. 2021
우리가 초능력을 얻게 된 과정
우리는 모르는 문제를 푸는데 꽤나 익숙하다.
초등학교 때는 1 + □ = 3이라는 문제에 맞닥드렸고 우리는 □ 를 알아내는 능력을 갖게 되었다.
중학교에 가서는 x+y =2, x-y=2라는 두 개의 미지수를 거뜬히 알아내는 일종의 초능력을 가지게 되었다.
(혹시 잊으신 분은 위해 두식을 더해서 2x = 4 로부터 x=2, 그리고 y=0)
그런데 인생은 도무지 알 수 없는 변수들이 수두룩 해졌다. 인생에는 공식이 있는 것도 같다가 때로는 없는 것도 같다. 그렇게 우리는 정답이 없는 문제를 오늘도 풀고 있다.
문득 우리 인생은 인공지능(AI)의 머신러닝 모델을 학습하는 Clustering(군집분석)과 흡사하는 사실을 깨달았다. Clustering도 우리에게 변수(x)만 수두룩 하게 주고 정답(y)은 주지 않는다.
이렇게 y값이 없이 학습하는 머신러닝 알고리즘을 Unsupervised Learning(비지도 학습)이라고 부른다.
왼쪽 정답이 주어진 문제를 학습(지도학습). 오른쪽 정답이 없는 문제를 학습(비지도 학습)인공지능은 우리가 처한 현실의 문제를 푼다는 점에서 철학과 유사하다. Clustering에도, 인생에도 정답이 없다. 그렇다고 아무것도 하고 있지 않아야 할까?
결론부터 말하자면 정답이 없어도 정답을 찾아내는 방법이 있다! 웬 뚱딴지같은 소리냐고? 정답(y) 없이도 정답을 찾는 방법 Clustering의 철학을 공유드리고자 한다.
"내 인생에는 정말이지 답이 없다고?" 그렇다면 아래 두 가지 철학을 보자.
Just Do It
첫째, 무조건 시작하라.
데이터 분석에서 정답(y) 값을 알지 못할 때 Clustering(군집분석)을 한다.
군집분석이란 그 대표적인 해결방법은 K-means 알고리즘이 있다. 여기서 K는 집단의 개수를 말하고, mean은 평균, 즉 집단들의 평균으로 푸는 방법 정도로 이해하면 좋겠다.
우리는 답을 알지 못하는 여러 개의 데이터 x를 받게 된다.
그리고 우리는 그것들을 K개의 덩어리로 나눌 것이다.
각 덩어리의 중심만 알 수 있다면...
그렇다면 각각의 x에서 중심까지의 거리가 가까운 곳으로 분류할 텐데..
각각의 x들이 어디에 속하는지 전혀 정보가 없다!
그렇다 할지라도 할 수 있다. 어떻게?
아무점이나 중심으로 잡고 일단 무조건 시작한다!
"여기가 내 인생의 중심이야!" 지금 내가 서있는 곳!
이곳부터 무게중심을 잡아 나가는 거야.
Clustering의 대표 알고리즘 K-means가 정답을 찾아내는 방법 : 무조건 시작하라
K-means 알고리즘도 아무 점에서나 일단 시작한다.
묻지도 따지지도 않고 시작한다. 당연히 처음에 찍은 시작점이 중심점 일리 없다.
하지만 처음에 찍은 점이 중심이라고 가정하면 그 점이 중심인 집단에 속하는 x값들을 분류할 수 있다.
그러면 그렇게 분류된 값들을 가지고 중심을 다시 계산한다.
새로 계산한 중심을 기준으로 다시 그 집단에 속하는 x 값들을 분류해낸다. 그렇게 분류된 값들의 중심을 다시 계산한다.
또 집단을 분류해내고 그 중심을 계산한다... 를 계속 반복하다 보면 신기하게도 그 중심은 진짜 원하는 무게중심을 찾을 수 있다. 그리고 모든 점이 속하는 집단을 하나로 완벽하게 묶을 수가 있다.
우리는 늘 불평이다. 가난한 집에서 태어나서 할 수 없어.
자본이 없어서 불가능해. 안 되는 이유를 계속해서 찾는다.
똑똑한 사람들이 더욱 심하다. 이것저것 따져보고 생각하고 이건 이래서 리스크가 있어, 저건 위험해라는 식이다. 처음부터 완벽하게 잘하는 사람은 없다. 실패를 하면서 점점 배워가는 것일 뿐이다.
어떤 사람은 재수가 좋아서 정답에 가까운 포인트에서 시작할 수도 있고 어떤 사람은 정반대에서 시작할 수도 있다.
K-means 알고리즘도 시작점이 좋으면 정답을 찾는 속도도 빠르다. 결과도 더 좋다.
하지만 정답을 찾는 속도의 문제이지 어떠한 문제(사람)도 그의 문제는 해결된다.
Show me your friends,
I will show your future.
둘째, 결국 비슷한 부류끼리 한 데 모인다.
"네가 지금 가까이하고 있는 친구들을 나한테 보여줘라. 내가 너의 미래를 알려주겠다!"
K-means 알고리즘은 모든 점들은 서로 간의 거리를 계산하지는 않는다. 다만 처음에는 존재하지 않는 어떠한 중심으로부터의 거리를 계산하고 점점 집단을 나눠간다.
알고리즘에서 처음 세팅한 시작점으로 보면 각 점들은 서로 다른 집단에 속한다. 하지만 계속 그 중심을 바꿔 갈수록 점들은 이 집단에서 저 집단으로 옮겨 간다.
우리도 인생에서 때로는 안 좋은 무리에 속하기도 하고, 또 좌절하는 시기가 있기 마련이다. 그러한 인생은 언제든지 그 중심이 변함에 따라 집단이 바뀔 수 있다.
하나의 점이 우리의 개개인의 인생이라고 생각할 수 있다. 우리는 어떤 집단에 속할까?
아니, 당신은 어떤 집단에 속하고 싶은가?
주변에 부정적인 에너지로 가득 찬 사람만 있다면 당신은 부정적인 기운을 받아 실패할 확률이 높다. 이런 사람들을 에너지 뱀파이어라고 한다. 이들은 주변에서 에너지를 빨아먹는다.
차라리 그런 사람들과 같이 지낼 바에야 혼자가 낫다. 같이 지내는 가족이라면 혼자만의 긍정적인 에너지를 가질 수 있는 시간을 최대한 확보해야 한다.
Clustering 군집분석 알고리즘 <출처 : scikit-learn>우리는 오늘도 정답이 없는 문제를 풀고 있다. 그리고 그 문제는 자기 스스로 풀 수밖에 없다.
일단 무조건 시작하라, 주변에 긍정적인 사람과 함께하라. 이제 정답을 찾아가는 과정을 즐겨보자.
