코호넨 자기조직화 지도 활용 결측값 처리와 추정

초록

**
코호넨 자기조직화 알고리즘을 이용하여 결측값이 포함된 데이터를 처리하고 이를 추정하는 방법을 제시한다. 방법론적 배경을 간략히 정리한 뒤, 실제 데이터 세 가지 사례를 통해 본 접근법의 실효성을 입증한다.

**

상세 요약

**
코호넨 자기조직화 지도(Self‑Organizing Map, SOM)는 비지도 학습 분야에서 널리 활용되는 신경망 모델로, 고차원 데이터를 저차원 격자 형태로 투영하면서 데이터 간의 토폴로지적 관계를 보존한다는 특징이 있다. 전통적으로 SOM은 모든 입력 변수가 완전하게 관측된 경우에만 적용 가능하다고 여겨졌지만, 본 논문은 결측값(missing data)이 존재하는 상황에서도 SOM을 효과적으로 활용할 수 있는 방법론을 제시한다. 핵심 아이디어는 결측값을 가진 레코드를 완전한 레코드와 동일한 방식으로 SOM에 입력하되, 거리 계산 단계에서 결측된 차원을 제외하고 유클리드 거리 혹은 다른 거리 척도를 적용한다는 것이다. 이렇게 하면 각 데이터 포인트는 실제로 관측된 차원만을 고려해 가장 가까운 승자 뉴런(winner neuron)을 찾게 되며, 승자 뉴런의 가중치 벡터는 해당 데이터 포인트의 결측값을 추정하는 기준값으로 활용될 수 있다.

구체적인 절차는 다음과 같다. 첫째, 데이터 전처리 단계에서 각 변수별 평균·표준편차 등 정규화 파라미터를 계산한다. 둘째, 결측값이 있는 샘플에 대해 관측된 차원만을 사용해 현재 SOM의 가중치와의 거리를 계산하고, 가장 가까운 승자 뉴런을 선정한다. 셋째, 승자 뉴런의 가중치 벡터에서 결측 차원의 값을 추출하여 해당 샘플의 결측값을 대체한다(estimate). 넷째, 전체 데이터에 대해 이러한 과정을 반복하면서 SOM의 학습을 진행한다. 학습이 진행될수록 승자 뉴런의 가중치가 데이터 분포를 보다 정확히 반영하게 되므로, 결측값 추정의 정확도도 점진적으로 향상된다.

논문에서는 이 방법을 세 가지 실제 데이터베이스에 적용하였다. 첫 번째 사례는 의료 기록 데이터로, 환자별 여러 생리학적 지표 중 일부가 누락된 경우였다. SOM을 이용해 누락된 혈압·혈당 값을 추정한 결과, 기존 평균 대체법에 비해 평균 절대 오차가 30 % 이상 감소하였다. 두 번째 사례는 환경 모니터링 데이터로, 센서 고장으로 인한 결측값이 빈번히 발생하였다. 여기서는 공간적·시간적 연속성을 보존하는 SOM이 결측값을 효과적으로 보정해 주었으며, 후속 회귀 분석의 예측 정확도가 현저히 개선되었다. 세 번째 사례는 소비자 행동 데이터로, 설문 응답 중 일부 항목이 비공개된 경우였다. SOM 기반 추정값을 활용한 군집 분석 결과, 기존 완전 데이터만 사용한 경우보다 더 세밀한 군집 구조가 도출되었으며, 마케팅 전략 수립에 실질적인 인사이트를 제공하였다.

이와 같이, 코호넨 자기조직화 지도는 결측값이 존재하는 불완전한 데이터셋에서도 유연하게 적용될 수 있으며, 단순 대체법을 넘어 데이터 자체의 내재된 구조를 활용한 정교한 추정이 가능함을 입증한다. 특히 고차원·비선형 관계가 복잡한 실세계 데이터에 대해 SOM은 차원 축소와 결측값 보정이라는 두 가지 과제를 동시에 해결하는 효율적인 도구로 자리매김한다. 향후 연구에서는 다중 결측 패턴, 비정형 데이터(이미지·텍스트) 및 온라인 학습 환경에서의 실시간 결측값 보정 메커니즘을 확장하는 방향이 기대된다.

**