k平均法とは？
けいへいきんほう
k平均法とは、データを指定したk個のクラスターに自動的に分類する代表的なクラスタリング手法です。
k平均法（k-means法）は、教師なし機械学習の代表的なクラスタリングアルゴリズムです。データを事前に指定したk個のグループ（クラスター）に分割し、各クラスター内のデータが互いに近くなるように繰り返し最適化を行います。
アルゴリズムの手順は次のとおりです。
- k個のクラスター中心（セントロイド）をランダムに初期配置する
- 各データ点を最も近いセントロイドに割り当てる
- 各クラスターに割り当てられたデータ点の平均値を新しいセントロイドとして更新する
- セントロイドが変化しなくなるまで2・3を繰り返す
k平均法の特徴として、計算が比較的シンプルで大規模データにも適用しやすい反面、次のような注意点があります。
- クラスター数kをあらかじめ指定する必要がある（エルボー法などで決定する）
- 初期値の設定によって結果が変わる場合がある
- 球状のクラスター形状を前提としており、複雑な形状には不向き
- 外れ値の影響を受けやすい
顧客セグメンテーション・画像の色量子化・文書のトピック分類など、幅広い実務場面で活用されています。シンプルでありながら実用的な性能を発揮するため、クラスタリングの入門として最初に学ばれることが多い手法です。
使い方・例文
ECサイトの購買履歴データにk平均法を適用し、購入頻度や金額ごとに顧客をグループ分けしてマーケティング施策を最適化する用途で使われます。
この用語をシェア
最終更新: