最終更新日：2026年8月26日
gk clustering
G検定トップ
＞ k-means法とk-NNの違いとは？名前ひっかけ完全対策【G検定頻出】
まず結論
- k-means：教師なし学習のクラスタリング
- k-NN：教師あり学習の分類・回帰
名前は似ていますが、k の意味も役割も違います。
| 手法 | kの意味 |
|---|---|
| k-means | クラスタ数 |
| k-NN | 参照する近傍数 |
直感的な説明
- k-means → 正解ラベルなしで「似たものを分ける」
- k-NN → ラベル付きデータを見て「新しいデータを当てる」
分ける → k-means
近所を見て当てる → k-NN
と覚えると切り分けやすいです。
定義・仕組み
k-means
- 教師なし学習
- 非階層的クラスタリング
- k個の重心を反復更新する
- 正解ラベルは使わない
k-NN
- 教師あり学習
- 新しい点に近いk個の学習データを参照する
- 分類では多数決、回帰では平均などを使う
- ラベル付き学習データが必要
k-NNは学習時に複雑なパラメータ推定をほとんど行わないため、遅延学習・インスタンスベース学習と呼ばれることがあります。
いつ使う？（得意・不得意）
- グループ構造を見つけたい → k-means
- 近傍のラベルから分類・回帰したい → k-NN
どちらも距離尺度や特徴量のスケールの影響を受けやすいため、前処理が重要になることがあります。
G検定ひっかけポイント
- ❌「kが付くので同じ系統の手法」→ 別物
- ❌「k-meansは教師あり分類」→ 教師なしクラスタリング
- ❌「k-NNのkはクラスタ数」→ 近傍数
- ⭕「重心を更新」→ k-means
- ⭕「近傍の多数決」→ k-NN
まとめ（試験直前用）
- k-means＝教師なし・クラスタリング
- k-NN＝教師あり・分類／回帰
- k-meansのk＝クラスタ数
- k-NNのk＝近傍数
- ラベルを使う？で即判断