k-평균과 달리 EM은 소프트 클러스터 할당을 사용하여, 특정 클러스터에 속할 확률을 예측할 수 있습니다. 따라서 EM 알고리즘은 좀 더 유연한 군집 분석이 가능하지만, 항상 더 나은 결과를 보장하지는 않습니다.

그렇다면

• 클러스터링에서 EM 알고리즘이 K-means보다 항상 더 나은 선택일까요? 소프트 클러스터링이 하드 클러터링이 무조건 더 유리할지 알아봅시다.
• 가우스 혼합 모델(GMM) 외에도 EM 알고리즘이 사용되는 머신러닝 기법은 어떤 것이 있을까요?
• 비지도 학습에서 이상치 탐지를 할 수 있는 GMM 기반 외의 다른 알고리즘에 대해서 알아보고, 각각의 알고리즘이 어떤 상황에서 유리할지 알아봅시다.

Deep Dive를 통해 파헤쳐봅시다.