最終更新日：2026年8月26日

gk clustering

G検定トップ ＞ k-means法とは？教師なし学習とクラスタリングの基本【G検定対策】

まず結論

k-means法は、ラベルを使わずにデータをk個のクラスタへ分ける、代表的な非階層型クラスタリングです。

G検定では、次の3点で切り分けます。

  • ラベルを使わない → 教師なし学習
  • クラスタ数 k を先に決める → k-means
  • 階層構造を作らない → 非階層型クラスタリング

直感的な説明

k-meansは、データを「近いもの同士でk個のグループに分ける」方法です。

  1. k個の中心を置く
  2. 各データを最も近い中心へ割り当てる
  3. 各グループの重心を新しい中心にする
  4. 割り当てと中心の更新を繰り返す

正解ラベルを見て分類するのではなく、データ同士の位置関係からグループを作るのがポイントです。

定義・仕組み

k-meansでは、各データ点と所属クラスタの重心との距離が小さくなるようにクラスタを作ります。

基本的な流れは次の通りです。

  1. クラスタ数 k を決める
  2. k個の初期重心を設定する
  3. 各データを最も近い重心へ割り当てる
  4. 各クラスタの重心を再計算する
  5. 割り当てがほぼ変わらなくなるまで繰り返す

kはクラスタ数です。近傍数を表すk-NNのkとは意味が違います。

いつ使う？（得意・不得意）

得意な場面

  • 顧客やデータのグループ分け
  • ラベルのないデータから大まかな構造を見つけたい
  • 比較的まとまりのよいクラスタを分けたい

注意点

  • クラスタ数 k を事前に決める必要がある
  • 初期重心によって結果が変わることがある
  • 外れ値の影響を受けやすい
  • 球状で大きさが近いクラスタは扱いやすいが、複雑な形のクラスタは苦手

G検定ひっかけポイント

  • ❌「正解ラベルを使って分類する」→ 教師あり学習の分類
  • ❌「デンドログラムを作る」→ 階層型クラスタリング
  • ❌「kは参照する近傍数」→ k-NN
  • ⭕「k個の重心を更新しながら分ける」→ k-means
  • ⭕「教師なし＋非階層型」→ k-meansの基本分類

まとめ（試験直前用）

  • k-means＝教師なしのクラスタリング
  • 非階層型で、クラスタ数 k を先に決める
  • 各クラスタの重心を更新して分割する
  • k-NNのkは近傍数、k-meansのkはクラスタ数
  • 「ラベルなし＋k個＋重心」ならk-means

© 2024-2026 stemtazoo. All rights reserved.