---
title: "デンドログラムとは？次元削減との違い【G検定】"
description: "デンドログラムは、階層型クラスタリングでデータやクラスタが結合された順序と距離を木構造で表す図です。PCA・SVDなどの次元削減ではないこと、k-meansとの違い、縦軸と切る高さの読み方をG検定向けに整理します。"
last_modified_at: "2026-07-14"
canonical_url: "https://stemtazoo.github.io/gk/dendrogram/"
section: "gk"
---

## まず結論

**デンドログラム（Dendrogram）とは、階層型クラスタリングの結合過程を木構造で表した図**です。

デンドログラムは、データを低次元へ変換する手法ではありません。G検定では、PCAやSVDなどの次元削減と混同しないことが重要です。

| 観点 | デンドログラム | PCA・SVD |
|---|---|---|
| 役割 | クラスタの結合関係を可視化する | データを低次元で表現する |
| 出力 | 木構造の図 | 変換後の特徴量や成分 |
| 判断キーワード | 階層、結合、樹形図、距離 | 主成分、特異値、次元圧縮 |

迷ったら、**「クラスタの関係を図で表す」ならデンドログラム、「次元を減らす」ならPCAやSVD**と切り分けます。

---

## 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、木の枝のように描いた図です。

- 似ているデータ：低い位置で早く結合する
- あまり似ていないデータ：高い位置で結合する

たとえば、動物の特徴を使って階層型クラスタリングをすると、犬と猫は早い段階で近いグループになり、その後に別の動物グループと結合するかもしれません。

デンドログラムは、**どのデータが、どの順番で、どの距離でまとまったか**を見るための図です。

データを圧縮したり、特徴量を作り替えたりするものではありません。

---

## 定義・仕組み

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ます。

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

### 軸の意味

| 見る場所 | 意味 |
|---|---|
| 横方向 | 個々のデータやクラスタの並び |
| 縦方向 | クラスタが結合されたときの距離・非類似度 |
| 枝の結合 | データやクラスタが1つにまとまったこと |

縦軸が高い位置で結合しているほど、結合したクラスタ同士は似ていないと考えます。

### クラスタ数の決め方

デンドログラムに横線を引き、その線と交差する枝の本数を見ると、クラスタ数を考えられます。

```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
```

ただし、横線を引く高さが自動的に唯一決まるわけではありません。目的や距離の変化を見て判断します。

---

## いつ使う？（得意・不得意）

### 得意な場面

- クラスタ数を最初から決めたくない
- データ同士の階層的な関係を見たい
- どの順番でグループが結合されたか確認したい
- クラスタ数を検討する材料がほしい

### 不得意な場面

- 高次元データを圧縮したい
- 新しい低次元特徴量を作りたい
- 非常に大量のデータを効率よく分割したい

大量データをk個のクラスタへ分ける目的なら、k-meansが候補になります。次元削減なら、PCA、SVD、オートエンコーダなどを考えます。

### DS検定版との役割の違い

このG検定ページでは、**デンドログラムが階層型クラスタリングの可視化であり、次元削減ではないこと**を中心に整理しています。

縦軸・横軸やクラスタ数の読み方を詳しく確認したい場合は、[デンドログラムの見方とは？縦軸とクラスタ数【DS検定】](https://stemtazoo.github.io/ds/dendrogram/)を参照してください。

---

## G検定ひっかけポイント

### 誤解1：デンドログラムは次元削減手法である

これは誤りです。

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。

### 誤解2：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3：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、結合時の距離が大きく、あまり似ていないと判断します。

### 誤解4：k-meansと同じように最初にクラスタ数を決める

k-meansは最初にクラスタ数kを指定します。階層型クラスタリングでは、デンドログラムを見て後から切る高さを検討できます。

### 選択肢の判断基準

- 「階層型クラスタリングの結合過程」→ デンドログラム
- 「木構造・樹形図」→ デンドログラム
- 「横線で切ってクラスタ数を考える」→ デンドログラム
- 「低次元表現を得る」→ PCA・SVD・オートエンコーダ
- 「最初にk個へ分ける」→ k-means

---

## まとめ（試験直前用）

- デンドログラム＝階層型クラスタリングの結合過程を表す木構造
- 低い位置で結合するほど似ている
- 横線を引く高さでクラスタ数を検討できる
- デンドログラムは次元削減ではない
- PCA・SVDは次元圧縮、k-meansは最初にkを指定する

迷ったら、**「図・階層・結合履歴」ならデンドログラム**です。