生成AIパスポート 用語集機械学習
クラスタリングとはくらすたりんぐ
英語Clustering分野機械学習出題重要度★★★公式テキスト公式テキスト 第1章「機械学習の手法」
解説：村井宗明（GUGA協議員・元文部科学大臣政務官・AIエンジニア）｜公開 ｜更新
クラスタリングの意味
クラスタリングとは、教師なし学習の代表的な手法で、正解ラベルを使わずに、似た特徴やパターンを持つデータ同士を自動的にまとめてグループ（クラスタ）に分ける技術です。データの傾向を理解したり、分析の手がかりを得たりするのに使われ、異常検知などにも応用されます。
生成AIパスポート試験の対策なら → 無料の合格アプリ
詳しい解説
たとえば、さまざまな果物の写真を与えると、モデルは色の特徴などをもとに「赤っぽいグループ」「黄色っぽいグループ」「緑っぽいグループ」のように分けていきます。このとき、モデルは「リンゴ」「バナナ」といった名前は知りません。あくまで「似ているもの同士」をまとめているだけです。
ビジネスでは、購買履歴から顧客を似た行動パターンごとに分ける顧客セグメンテーションなどに活用されます。また、データがどのグループにも当てはまりにくい場合は「普段と違うデータ」と判断できるため、異常検知の土台にもなります。
試験のポイント
- 教師なし学習の代表的手法（もう一つは次元削減）
- 「分類」は教師あり、「クラスタリング」は教師なし、という区別が頻出
- 例：果物の写真を色でグループ分けする
- データの理解・分析や異常検知に役立つ
クラスタリングの確認問題（○×）
クラスタリングは、正解ラベル付きのデータを使って、決められたカテゴリにデータを振り分ける手法である。
答えと解説を見る
答え：×
それは教師あり学習の「分類」の説明です。クラスタリングは正解ラベルなしで似たデータ同士をまとめる教師なし学習の手法です。
生成AIパスポート 用語集（全407語）のトップに戻る
