クラスタリングの特徴

問題

クラスタリングに関する記述として正しいものを1つ選べ。

クラスタリング（群集化）は、正解ラベルのついていないデータ群を与えられた特徴の類似度に基づいていくつかのグループ（クラスタ）に自動で分類する、教師なし学習の代表的なタスクです。

事前に明確な正解がないため、「どのような基準で似ていると判断するか」や「いくつに分けるか」は分析者が設定します。

マーケティングにおける顧客のセグメンテーションや、文書のカテゴリ分け、画像処理など、未知のデータ構造を把握する第一歩として極めて重要です。

1. クラスタリングは正解ラベルを必要とする

誤り：クラスタリングは「教師なし学習」の手法であり、データに正解ラベルが付与されていない状態で、データ自身の構造に基づいてグループ分けを行います。

2. クラスタリングはデータを自動でグループ化する

正しい：データ間の距離や類似度を計算し、似た特徴を持つデータを同じグループ（クラスタ）にまとめることがクラスタリングの目的です。

3. クラスタリングは回帰問題の一種である

誤り：クラスタリングはラベルなしデータからグループを見つける「教師なし学習」です。一方、「回帰」は連続値（数値）を予測する「教師あり学習」のタスクであり、全く異なります。※「分類問題」も正解ラベルを予測する教師あり学習を指すため厳密には異なります。

4. クラスタリングは必ず3つ以上のクラスタを作る

誤り：クラスタの数に決まりはありません。分析の目的やデータの性質に応じて、2つに分けることもあれば、数十のクラスタに分けることもあります。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ