DBSCAN은 K-means보다 어떤 상황에서 더 유리한가?

데이터의 분포가 원형이 아니거나 노이즈가 섞인 데이터셋에서 유리하다. K-means는 중심 둘레에 고르게 모인 덩어리에 맞고, DBSCAN은 밀도로 묶으므로 길쭉하거나 휘어진 모양도 잡는다.

DBSCAN은 설정한 거리(eps) 내에 최소 점 개수(minPts)가 있으면 이를 핵심적으로 연결한다. 이 과정을 반복해 밀도가 높은 영역을 하나의 덩어리로 묶는다.

반면 K-means는 모든 데이터를 강제로 클러스터에 포함시킨다. 밀도가 낮은 외곽의 점들이 중심점과 묶여 클러스터의 모양을 왜곡시킨다.

데이터 모양을 미리 정하기 어렵거나 이상치를 따로 가려야 할 때 DBSCAN이 맞다.