はじめに
G検定を受験する上で避けて通れないのが、機械学習の基本概念だ。
その中でも「クラスタリング」は、毎回のように出題される重要なテーマのひとつ。
とはいえ、「クラスタリングって分類のこと？ 教師あり？ 教師なし？」と、混乱しがちなキーワードでもある。
そこで本記事では、実際のG検定過去問をもとに、「クラスタリング」の基礎と選択肢の見極め方を整理しておこう。
クラスタリングとは？
クラスタリング（Clustering）は、データを似た特徴を持つグループに分ける手法だ。
大きなポイントは「正解ラベルが存在しない」こと。つまり、教師なし学習の一種ということになる。
実際のイメージを挙げよう。
- たくさんの動物の画像がある
- それぞれの画像に「犬」や「猫」といったラベルは付いていない
- それでも、形や色などの情報をもとに、似たもの同士でグルーピングする
このような作業がクラスタリングにあたる。
問題その1
G検定の実際の過去問を確認しよう。
クラスタリングの説明として、最も適切な選択肢を選べ。
選択肢
- クラスタリングの代表的な手法の1つとしてk-meansがある
- クラスタリングは分類問題にのみ使用される
- クラスタリングは機械学習にのみ使用される
- クラスタリングは教師なし学習にのみ使用される
正解は「1. クラスタリングの代表的な手法の1つとしてk-meansがある」
この選択肢だけが、事実を端的に述べている。
クラスタリングの代表的なアルゴリズムである「k-means法」は、最も基本的かつ実用的な手法のひとつとして知られている。
- 各データ点をいくつかのクラスタに自動的に割り当てる
- それぞれのクラスタ中心（重心）との距離を最小化するように繰り返し調整
という動作原理を持つ。
他の選択肢が誤りである理由
G検定では「なぜ誤っているか」を明確に理解することが点数を伸ばす鍵になる。
それぞれの選択肢を検証していこう。
| 選択肢 | 内容 | 誤りの理由 |
|---|---|---|
| 2. クラスタリングは分類問題にのみ使用される | クラスタリング＝分類という誤解を誘う表現 | 分類は通常「教師あり学習」であり、クラスタリングとは性質が異なる。両者は似て非なる手法 |
| 3. クラスタリングは機械学習にのみ使用される | 用途が限定的すぎる | クラスタリングはマーケティングや生物分類、社会調査など統計的手法としても広く利用されている |
| 4. クラスタリングは教師なし学習にのみ使用される | 一見正しいように見える | 「教師なし学習の代表例」ではあるが、「のみ」と断定するのは過剰。ハイブリッドな利用例も存在するため、断定は誤り |
特に「のみ」「だけ」といった語は選択肢として要注意だ。
極端な断定表現が含まれている場合、まず疑ってかかるのがセオリー。
クラスタリングの活用例
理解を深めるために、実際にクラスタリングが活用されている例をいくつか挙げておこう。
1. 顧客のセグメンテーション
ECサイトやマーケティングでよく使われる。
購買履歴やサイト内行動から顧客を「似た購買傾向グループ」に自動分類する。
2. 文書クラスタリング
大量のテキストデータを扱う際、内容が似ている文書同士をまとめる。
トピック分類やレコメンドシステムで活用されることが多い。
3. 異常検知の前処理
通常パターンのクラスタを構成した上で、外れたデータ＝異常値を抽出するという応用もある。
クラスタリングに関連する用語も押さえよう
| 用語 | 解説 |
|---|---|
| 教師あり学習 | 入力と正解（ラベル）がセットになったデータで学習する手法（例: 決定木、SVM） |
| 教師なし学習 | 正解ラベルのないデータから構造やパターンを学習する（例: クラスタリング、次元削減） |
| k-means法 | 指定したk個のクラスタに分割し、繰り返し最適化を行う手法 |
| 次元削減 | 主成分分析（PCA）などを用いて、高次元データを少数の要素で表現し直す |
このあたりの用語は他の問題にも頻出するため、一緒に覚えておきたい。
まとめ
G検定では、クラスタリングについて問われる際、単なる定義ではなく正しい活用文脈を理解しているかが試される。
✅ 正しい選択肢：「k-meansはクラスタリングの代表的手法である」
❌ よくある誤り：「クラスタリング＝分類」「教師なし“のみ”」「機械学習だけに使う」
このような細かな違いを押さえておくことが、合格への確かな一歩となる。
クラスタリングは一見シンプルに見えるが、誤解も多い概念なので、基礎をしっかり固めておこう。
コメント