---
title: "デンドログラムの見方とは？縦軸とクラスタ数【DS検定】"
description: "デンドログラムは、階層クラスタリングの結合過程を木構造で表す図です。縦軸が結合距離を示すこと、横線を引く高さでクラスタ数が変わること、横軸やk-meansとの混同をDS検定向けに整理します。"
last_modified_at: "2026-07-14"
canonical_url: "https://stemtazoo.github.io/ds/dendrogram/"
section: "ds"
---

## まず結論

デンドログラムとは、**階層クラスタリングでデータやクラスタが結合された過程を木構造で表した図**です。

DS検定では、デンドログラムの次の3点を読み取れることが重要です。

| 見る場所 | 意味 | 判断ポイント |
|---|---|---|
| 縦軸 | クラスタが結合されたときの距離・非類似度 | 高い位置で結合するほど、あまり似ていない |
| 横軸 | 個々のデータやクラスタの並び | 時間や数値の大小とは限らない |
| 横線を引く高さ | クラスタを分ける位置 | 高さを変えるとクラスタ数が変わる |

問題文に**「木構造」「階層クラスタリング」「横線で切る」**が出てきたら、デンドログラムを考えます。

---

## 直感的な説明

デンドログラムは、似ているデータから順番にグループへまとまっていく様子を表した図です。

たとえば、顧客データを似ている順にまとめる場面を考えます。

1. よく似た顧客同士が小さなグループになる
2. そのグループと近い顧客が結合する
3. 最後に、大きなグループ同士が結合する

この「くっついていく流れ」を、枝分かれした木のように描いたものがデンドログラムです。

```text
低い位置で結合 → よく似ている
高い位置で結合 → あまり似ていない
```

デンドログラムでは、**枝がどの高さで結合しているか**を見ることで、データやクラスタ同士の近さを判断します。

---

## 定義・仕組み

デンドログラムは、階層クラスタリングの結果を可視化した樹形図です。

凝集型の階層クラスタリングでは、次の流れで作られます。

1. 各データを1つのクラスタとして開始する
2. 距離が最も近いクラスタ同士を結合する
3. 結合後のクラスタ間距離を計算する
4. すべてが1つになるまで結合を繰り返す
5. 結合順序と距離を木構造で描く

### デンドログラムの基本構造

| 要素 | 意味 |
|---|---|
| 末端の点 | 個々のデータ、サンプル |
| 枝の結合 | データやクラスタがまとまったこと |
| 縦方向の高さ | 結合時の距離、または非類似度 |
| 横方向の並び | データを見やすく配置したもの |

特に大事なのは、**縦軸は距離を表すが、横軸は時間や値の大小を表すとは限らない**ことです。

### クラスタ数の決め方

デンドログラムでは、任意の高さで横線を引き、その線と交差する枝の本数からクラスタ数を考えます。

```text
高い位置で切る → 少ないクラスタ
低い位置で切る → 多いクラスタ
```

たとえば、横線と3本の枝が交差するなら、クラスタ数を3と考えます。

ただし、切る高さが機械的に一つへ決まるわけではありません。結合距離が急に大きくなる位置や、分析目的を参考に決めます。

### 階層クラスタリングとの関係

デンドログラムは分析手法そのものではなく、**階層クラスタリングの結果を見える形にした図**です。

| 用語 | 役割 |
|---|---|
| 階層クラスタリング | データを階層的にまとめる分析手法 |
| デンドログラム | 結合過程を木構造で表した図 |

---

## どんな場面で使う？

### クラスタ数を検討したいとき

デンドログラムは、クラスタ数を最初から決めにくい場面で使いやすい図です。

- 顧客を購買傾向で分ける
- 商品を特徴で分類する
- アンケート回答者のまとまりを見る
- 遺伝子や文書データの構造を確認する

### データのまとまり方を理解したいとき

デンドログラムでは、最終的なクラスタだけでなく、どのデータが先に結合し、どのグループが後からまとまったかを確認できます。

そのため、単にグループ分けするだけでなく、**データの階層的な関係を理解したい場面**に向いています。

### 注意が必要な場面

- データが多いと図が読みにくくなる
- 距離の定義によって結果が変わる
- 連結方法によって結合順序が変わる
- 外れ値の影響を受けることがある
- 切る高さは分析目的に応じて判断する

デンドログラムがきれいに見えても、それだけで分類が正しいとは限りません。

### G検定版との役割の違い

このDS検定ページでは、**縦軸・横軸とクラスタ数の読み方**を中心に整理しています。

デンドログラムが次元削減ではないことや、PCA・SVDとの違いを中心に確認したい場合は、[デンドログラムとは？次元削減との違い【G検定】](https://stemtazoo.github.io/gk/dendrogram/)を参照してください。

---

## よくある誤解・混同

### 誤解1：横軸は時間を表す

デンドログラムの横軸は、基本的にデータやクラスタの並びです。時系列グラフのような時間軸とは限りません。

### 誤解2：縦軸はクラスタ数を表す

縦軸は、データやクラスタが結合されたときの距離や非類似度です。

| 誤解 | 正しい理解 |
|---|---|
| 縦軸はクラスタ数 | 縦軸は結合時の距離 |
| 高い位置で結合するほど似ている | 高い位置で結合するほど似ていない |
| 横軸は時間 | 横軸はデータの並び |

### 誤解3：高い位置で切るほどクラスタ数が増える

高い位置で切ると、まだ多くのデータが大きなクラスタにまとまっているため、クラスタ数は少なくなります。

低い位置で切ると、細かく分かれた状態になるため、クラスタ数は多くなります。

### 誤解4：k-meansと同じ方法である

| 観点 | 階層クラスタリング・デンドログラム | k-means |
|---|---|---|
| クラスタ数 | 後から検討しやすい | 最初にkを指定する |
| 結果の見え方 | 木構造で表す | 各点をk個のクラスタへ分ける |
| 代表キーワード | 樹形図、階層、結合距離 | k個、重心、平均 |

「クラスタ数を事前に指定する」とあれば、k-means寄りです。

### 誤解5：デンドログラムは次元削減手法である

デンドログラムは、階層型クラスタリングの結果を可視化した図です。PCAやSVDのように、特徴量を低次元へ変換する手法ではありません。

### 選択肢の判断基準

- 「縦軸は結合時の距離」→ 正しい
- 「高い位置で結合するほど似ていない」→ 正しい
- 「横線で切る高さによりクラスタ数が変わる」→ 正しい
- 「横軸は必ず時間」→ 誤り
- 「最初にクラスタ数kを指定する」→ k-means
- 「低次元表現へ変換する」→ PCAやSVD

---

## 確認問題（DS検定対策）

デンドログラムの説明として、最も適切なものはどれか。

- ア. データをあらかじめ指定したk個のクラスタに分ける手法である。
- イ. 階層クラスタリングの結合過程を木構造で表し、横線を引く高さによってクラスタ数を判断できる図である。
- ウ. 横軸に時間、縦軸に売上をとって時系列変化を表すグラフである。
- エ. 特徴量を少数の主成分へ変換する次元削減手法である。

<details markdown="1">
<summary>▶ クリックして答えと解説を見る（ここを開く）</summary>

**正解：イ**

### 解説

- ア：k-meansの説明に近いです。k-meansは、最初にクラスタ数kを指定します。
- イ：適切です。デンドログラムは、階層クラスタリングの結合過程を木構造で表します。
- ウ：時系列グラフの説明です。デンドログラムの横軸は時間とは限りません。
- エ：PCAなどの次元削減の説明です。デンドログラムは可視化された図です。

判断ポイントは、**木構造・結合距離・横線で切る**の3つです。

</details>

---

## まとめ（試験直前用）

- デンドログラム＝階層クラスタリングの結合過程を表す樹形図
- 縦軸は結合時の距離、横軸はデータの並び
- 高い位置で結合するほど、あまり似ていない
- 高い位置で切ると少ないクラスタ、低い位置で切ると多いクラスタ
- k-meansは最初にkを指定し、PCA・SVDは次元削減なので混同しない

## 対応スキル項目（データサイエンス力シート）

- データ理解
- データの可視化
- ★ データの特徴や構造を把握するための適切な可視化手法を選択できる