デンドログラムの理解
問題
デンドログラムに関する記述のうち誤りを1つ選べ。
解説
デンドログラム(樹形図)は、ウォード法などの「階層型クラスタリング」を実行した結果を可視化するためのグラフです。
個々のデータが、距離が近い(似ている)もの同士から順番に結合されていき、最終的に1つの大きなクラスタにまとまるまでの過程をトーナメント表のような枝分かれの図で示します。
分析者はこの図を見て、データのまとまり具合を直感的に把握し、「どの高さ(距離)で枝を切り分ければ適切なクラスタ数になるか」を決定します。
1. デンドログラムは階層的クラスタリングの結果を可視化する
正しい:階層型クラスタリングにおけるデータの結合過程を、木構造(ツリー構造)で視覚的に表現した図がデンドログラムです。
2. デンドログラムはクラスタの統合過程を示す
正しい:どのデータ同士が、どの段階(距離)で統合されたかの歴史(プロセス)が一目でわかるようになっています。
3. デンドログラムはクラスタ数を決める参考になる
正しい:分析者はデンドログラムの縦軸(統合された距離)を見て任意の高さで水平線を引くことで、データをいくつのクラスタに分けるかを判断・決定します。
4. デンドログラムは非階層型クラスタリングでのみ使われる
誤り:デンドログラムは結合過程を記録する「階層型クラスタリング」においてのみ作成・使用されます。k-means法などの「非階層型クラスタリング」では作成されません。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- 教師あり学習の基本要件
- 回帰問題の理解
- 分類問題の特徴
- 決定木モデルの性質
- サポートベクターマシン(SVM)の理解
- カーネルとカーネルトリック
- 重回帰分析の理解
- 勾配ブースティングの特徴
- 多クラス分類の理解
- 教師あり学習のビジネス応用
- アンサンブル学習の基本概念
- バギングの特徴
- ブートストラップサンプリングの理解
- ランダムフォレストの性質
- ブースティングの理解
- ランダムフォレストの特徴
- 自己回帰モデル(AR)の理解
- VARモデルの特徴
- マージン最大化の理解
- ロジスティック回帰の理解
- 教師なし学習の基本概念
- k-means法の理解
- t-SNEの特徴
- ウォード法の理解
- 協調フィルタリングの理解
- クラスタリングの特徴
- 次元削減の理解
- 主成分分析(PCA)の理解
- 潜在的ディリクレ配分法(LDA)の理解
- 多次元尺度構成法(MDS)の理解
- デンドログラムの理解
- 特異値分解(SVD)の理解
- コンテンツベースフィルタリングの理解
- クラスタ分類の理解
- 強化学習の基本概念
- 方策(Policy)の理解
- 価値関数の理解
- 行動価値関数Q(s,a)の理解
- 状態価値関数V(s)の理解
- TD誤差の理解
- Actor-Criticの理解
- Q学習の特徴
- ε-greedy方策の理解
- UCB方策の理解
- バンディット問題の理解
- 方策勾配法の理解
- REINFORCEの特徴
- マルコフ決定過程(MDP)の理解
- マルコフ性の理解
- 期待割引報酬の理解
- 割引率γの理解
- 汎化性能の理解
- 訓練誤差と汎化誤差
- ホールドアウト検証の理解
- 交差検証の特徴
- k-分割交差検証の理解
- 混同行列の理解
- 偽陽性・偽陰性の理解
- 正解率の計算
- 適合率の計算
- 再現率の計算
- F値の理解
- 回帰指標MSEの理解
- RMSEの理解
- MAEの理解
- ROC曲線の理解
- AICの理解
- BICとオッカムの剃刀


