教師なし学習の代表選手『クラスタリング』を深掘り。似ているものを自動でグループ化する発想と、有名なk-means法のざっくりした仕組みを会話で追います。実務での使われ方も具体的に見ていきましょう。
雪村 ましろ
先生〜、クラスタリングって、えへへ、食べ物の種類分けみたいな感じですかぁ?
香月 リサ 先生
ふふ、近いわよ。
クラスタリングは、似たデータ同士をまとめて『かたまり(cluster)』を作る手法。
正解ラベルなしで、データそのものの距離感からグループを見つけるの。
戸倉 ジャスミン
へぇ〜!
要は『趣味が似てる友達はだいたい同じ集まりにいる』みたいな現象を数式にするってこと?
香月 リサ 先生
いい感覚ね。
代表アルゴリズムにk-means法があるわ。
ポイントは、使う人がグループ数kを先に決める必要があるところ。
深見 つむぎ
k-meansは『データ点と重心の距離を測って、一番近い重心のグループに入れる→重心を更新する』を繰り返します。
徐々に安定したグループが浮かび上がる仕組みです。
雪村 ましろ
重心? うぅ〜ん…お神輿の担ぎ手の真ん中みたいな感じですかぁ?
香月 リサ 先生
わかりやすい例えね。
各グループのデータ点の平均位置が重心で、グループの『代表点』と考えればOK。
k-meansは、この代表点を賢く動かす作業を繰り返しているの。
深見 つむぎ
k-means以外にも、距離の近いもの同士を順に結合していく『階層的クラスタリング』や、密度に基づく『DBSCAN』など複数の手法があります。
問題の性質で使い分けます。
雪村 ましろ
グループ数kって、いくつにすればいいんですかぁ〜?
香月 リサ 先生
ここが難所ね。
データを見て試しながら決めるのが基本で、エルボー法などの補助指標を使うこともあるわ。
試験範囲では『kを事前指定する』という点だけ押さえれば十分。
戸倉 ジャスミン
ねぇねぇ、実際はどんなところで使われてるの?
深見 つむぎ
代表例は顧客セグメンテーションです。
似た買い物傾向のお客さんをまとめて『ファミリー層』『学生層』のように整理して販促戦略に生かします。
ニュース記事の自動グルーピングや、画像の色クラスタリングにも使われますね。
香月 リサ 先生
気をつけたいのは、AIはグループを作るだけで『このグループはファミリー層だ』と名付けてくれないこと。
意味づけは人間の仕事よ。
雪村 ましろ
わぁ、AIが地図を描いて、人間が地名を書き込むんですねぇ〜。
戸倉 ジャスミン
ましろ、なんか詩人みたいじゃん!
深見 つむぎ
また、クラスタリング結果は初期値や乱数シードで変わることがあります。
同じデータでも実行のたびに微妙に違う結果になる場合があるため、複数回試して安定性を確認するのが実務のコツです。
雪村 ましろ
えぇ〜、実行するたびに変わるなんて不思議ですねぇ。
香月 リサ 先生
k-meansの場合、初期の重心をランダムに選ぶので、その位置によって結果が変わるの。
対策として『k-means++』という初期化を工夫した改良版もよく使われるわ。
戸倉 ジャスミン
アルゴリズムにも色んな改良があるんだね。
勉強になるじゃん!
香月 リサ 先生
試験では『クラスタリング=ラベルなしでグループ化』『k-means法はk事前指定』を押さえて。
分類(教師あり)と混同しないようにね。
確認クイズ
クラスタリングの説明として正しいものはどれか?
- 正解ラベルを使ってカテゴリを予測する
- 似たデータ同士を自動でグループ分けする
- 連続的な数値を予測する
- 報酬を最大化する行動を学ぶ
こたえを見る
正解: 2. 似たデータ同士を自動でグループ分けする
クラスタリングは正解ラベルを使わず、データ同士の類似度で自動的にグループを作る教師なし学習の手法です。ラベルで学ぶのは分類、数値予測は回帰、報酬で学ぶのは強化学習であり、枠組みが異なります。