「分類とクラスタリングって、何がちがうの?」
「答えがないのに、どうやってグループを作るの?」
顧客名簿を前に「似た人でまとめたい」。でも、正解は誰も知りません。
クラスタリングとは、正解ラベルを使わず似たデータを自動でグループ化する教師なし学習の手法です。この「正解が分からないまま、まとまりを見つける」働きが、あらかじめ答えを用意する分類との決定的な差になります。1万人の名簿からでも、データの似方だけを頼りに顧客像が浮かび上がってきます。
この記事では、代表的なk-means法が動く4ステップを図で開き、「似ている」を何で測るのかを確かめ、実務と試験でつまずくクラスタ数kの扱いまで踏み込みます。G検定・AI-900の機械学習対策にそのまま効きます。
1. 「正解を教えない」グループ分け
あなたがまず押さえたいのは、クラスタリングが「答えを持たないデータから、構造を浮かび上がらせる」技術だという点です。人が「これはAグループ」と教える代わりに、データの似ているところだけを手がかりに、コンピュータがまとまりを見つけます。
この「答えのないデータから学ぶ」やり方が教師なし学習で、クラスタリングはその代表格です。学び方そのものの全体像は 教師あり学習と教師なし学習とは で先に押さえておくと、この先の理解が速くなります。
2. k-means法は4ステップで動く
クラスタリングにはいくつか方法がありますが、あなたが最初に知るべきはk-means法です。名前は難しそうでも、やっていることは4つのステップの繰り返しだけ。次の図で、その動きを追ってみましょう。
やっていることは単純です。まず分けたいグループの数だけ「中心」を仮に置き、各データを最も近い中心のグループへ入れ、そのグループの真ん中（重心）へ中心を動かす。これを、中心が動かなくなるまで繰り返します。落ち着いたときのまとまりが、答えのクラスタです。
方法はk-means法だけではありません。データを木の枝のように少しずつ束ねていく階層的クラスタリングもよく使われます。こちらは分ける数を後から選べる利点があり、データ量が小さいときに向きます。まずはk-means法という「中心を決めて寄せる」代表例を軸に覚えると、他の手法もその変形として飲み込めます。
3. 「似ている」を何で測るか
ここで見落とせないのが、「似ている」の物差しをあなたが決めるという点です。k-means法の「近い・遠い」は、データ間の距離で測ります。そして、何を軸に距離を測るかで、できるグループはまるで変わります。
同じ顧客名簿でも、「年齢」で近いものを寄せれば世代のまとまりができ、「購入金額」で寄せれば財布の大きさのまとまりができます。どちらが正しいということはなく、あなたが何を知りたいかで軸を選ぶ、というわけです。
4. どこで使うか — 顧客セグメントと異常検知
あなたが普段ふれるサービスの裏側でも、クラスタリングは動いています。使いどころは大きく2方向にまとめられます。
- 顧客セグメント: 購買傾向の近い人どうしをまとめ、おすすめや販促を出し分ける。枠を先に決めずに、データから顧客像が浮かぶ
- 異常検知: どのまとまりにも入らない、はみ出したデータを見つける。不正利用や機器の故障の兆候をつかむ
異常検知が効くのは、正常なデータが自然と大きなまとまりを作り、そこから外れた点が「浮く」からです。クレジットカードの不正利用なら、いつもの利用パターンのまとまりから大きく離れた1件を、ラベルなしであぶり出せます。あらかじめ「これが不正」と教えなくても見つけられる点が、教師なしならではの強みです。
とくに活きるのが、「まず全体像をつかむ」探索的な使い方です。どんな層がいるか見当もつかないデータを、ざっくり分けて眺め、そこから次の打ち手を考える。答えを当てにいくのではなく、隠れた構造を発見するのが持ち味になります。統計の考え方が土台になるので、統計の基礎とは を合わせて読むと読み解く力がつきます。
5. つまずきどころ — クラスタ数kと「正解のない評価」
便利な反面、クラスタリングには「答えがないからこその難しさ」があります。あなたが出会いやすい2つのつまずきを、先に知っておきましょう。
1つ目は、グループの数kを人が決める点です。k-means法は「いくつに分けるか」を自分では決めません。3つに分けるか5つに分けるかで結果は変わり、ちょうどよいkを探す手間がかかります。実務では、kを変えながらまとまりの良さを見比べる（エルボー法などの）当たりのつけ方で見当を絞ります。
2つ目は、できたグループの意味づけは人の仕事だという点です。コンピュータは似たものを寄せるだけで、「このまとまりは節約志向の層」とは教えてくれません。分けた後に解釈するところに、あなたの出番があります。
クラスタリングでよくある失敗は、kを深く考えず決め打ちして、意味の薄いまとまりを鵜呑みにすることです。kを何通りか試し、できた各グループに一言の名前をつけられるかを確かめる。この一手間が、使える結果と使えない結果を分けます。
次のステップ
機械学習が試験全体でどう問われるかを俯瞰したいなら、G検定の試験範囲と勉強法ガイド で学習の優先順位を立てるのがおすすめです。
得点力に変えるなら、G検定 機械学習の問題集 で、実際の出題角度に手を動かして慣れておくのが近道です。