---
title: "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】"
description: "k-means法教師なし学習とクラスタリングの基本について、G検定で問われる特徴量・教師なし学習分野の観点から、特徴の捉え方、データの分布、教師なし学習で何を判断するかを整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/k-means/"
section: "gk"
---

## まず結論
- **k-means法**とは、**教師なし学習に分類される、非階層的クラスタリングの代表的手法**である。
- G検定では「**教師なし学習か？階層的か？**」の2点が必ず問われる。

## 直感的な説明
k-meansは、  
**「データをK個のグループに、自動で分ける方法」**です。

やっていることはシンプルで、

1. グループ数 K を決める  
2. 各グループの中心（重心）を決める  
3. 近いデータを集める  
4. 中心を更新  
5. これを繰り返す  

👉 **正解ラベルは一切使いません**。

## 定義・仕組み
k-means法の特徴は次の通りです。

- 入力：特徴量データのみ
- 出力：クラスタ番号
- 目的：  
  - 同じクラスタ内は近く  
  - 異なるクラスタ間は遠く

重要な分類：
- **教師なし学習**
  - 正解ラベルが存在しない
- **非階層的クラスタリング**
  - 一度決めたクラスタ構造を段階的に統合・分割しない

## いつ使う？（得意・不得意）
### 得意な場面
- データの自動グループ分け
- 顧客セグメンテーション
- 前処理としてのクラスタリング

### 苦手・注意点
- クラスタ数 K を事前に決める必要がある
- 初期値に依存しやすい
- 球状クラスタを仮定している

## G検定ひっかけポイント
この問題は **用語の組み合わせを正確に言えるか** がポイントです。

### よくある誤解
- ❌「教師あり学習」
- ❌「階層的クラスタリング」
- ❌「分類問題（Classification）」

### 正しい判断基準
- **ラベルがない → 教師なし学習**
- **段階的に統合・分割しない → 非階層的**
- **代表例 → k-means**

問題文に  
「k-means法は（A）に分類され、（B）の代表的手法」  
とあれば、

👉 **（A）教師なし学習  
👉（B）非階層的クラスタリング**

## まとめ（試験直前用）
- k-means＝クラスタリング手法
- 教師なし学習に分類
- 非階層的クラスタリング
- ラベルは使わない
- 「教師なし＋非階層」で即答