k-meansクラスタリングとは？
けーみーんずくらすたりんぐ
k-meansクラスタリングとは、データをk個のグループ（クラスター）に自動的に分類する教師なし機械学習アルゴリズムです。
k-meansクラスタリングは、ラベルのないデータを指定した数k個のグループに分類する、代表的な教師なし機械学習アルゴリズムです。1957年にスチュアート・ロイドが考案し、1967年にマクイーンが「k-means」という名称で発表しました。
アルゴリズムの基本的な仕組みは次の通りです。
- k個の重心（セントロイド）をランダムに配置する
- 各データ点を最も近い重心のクラスターに割り当てる
- 各クラスターの平均値を計算し、重心を更新する
- 重心が収束するまで手順2〜3を繰り返す
「k-means」の「means」は平均を意味し、各クラスターの平均点を重心として利用するところに特徴があります。距離の計算には通常ユークリッド距離が用いられます。
活用場面としては、顧客のセグメンテーション、画像の色量子化、文書の分類、異常検知などが挙げられます。シンプルで計算効率が高い反面、kの値を事前に指定する必要があること、初期値依存で局所解に陥ることがある点が課題です。これを補うため、k-means++と呼ばれる改良版も広く使われています。
使い方・例文
例えば、ECサイトの購買データを用いて、購入頻度・単価・購入カテゴリなどをもとに顧客をk=4のグループに分類し、各グループに合ったマーケティング施策を設計する場面でk-meansクラスタリングが活用されます。
この用語をシェア
最終更新: