【G検定過去問風テスト】教師なし学習の最重要手法「k-means法」と他のアルゴリズムを徹底解説！
※本記事では、アフィリエイトプログラムより教材を紹介しています。
📝 問題
教師なし学習における非階層型クラスタリングの手法であり、あらかじめグループ数（k）を指定した上で、各データとグループの中心点との距離をもとに中心点の更新を繰り返し、データを分類するアルゴリズムとして最も適切な選択肢を1つ選べ。
- A）k-NN（k近傍法）
- B）主成分分析（PCA）
- C）k-means法（k平均法）
- D）ウォード法
🔍 ここをクリックして正解を見る
- 正解: C）k-means法（k平均法）
💡 合格に近づく！徹底解説
- 重要度: ★★★
■ 1分で分かる！この問題の要点
- k-means法は「正解ラベルなし」でデータをk個のグループに分ける非階層型クラスタリングの代表格。
- k-NN（k近傍法）は名前が似ているが「正解ラベルあり」の教師あり学習（分類手法）であり、試験の超定番ひっかけ知識！
■ 初学者向け解説（例え話や背景）
k-means法は、学校での班分けゲームに例えると非常にイメージしやすいです。
先生が「今からランダムに選んだ3人をリーダー（中心点）とする！みんな自分の席から一番近いリーダーの周りに集まりなさい！」と指示します。
次に、集まったメンバーの真ん中に新しいリーダーが移動し、また一番近いリーダーの元へ集まり直す…という作業を繰り返します。
グループがこれ以上変わらなくなったら完成！このように「最初に人間がグループ数（k）を決めて、距離の近さで自動分類する」のがk-means法（教師なし学習）の仕組みです。
■ 選択肢の解説
- A) k-NN（k近傍法）（×）: 周囲の近いデータk個の「多数決」でクラス分類を行う教師あり学習の手法です。名前は似ていますが、正解ラベルの有無が根本的に異なります。
- B) 主成分分析（PCA）（×）: データの要素（次元）を圧縮して重要な情報だけを取り出す次元削減の手法です。
- C) k-means法（k平均法）（○）: あらかじめ指定したグループ数（k）と中心点の更新処理によってデータを分類する非階層型クラスタリングの手法です。
- D) ウォード法（×）: 近い者同士を下から順に合体させていく階層型クラスタリングの手法です。事前にグループ数（$k$）を指定する必要はありません。
👉 次の問題＆解説テキスト
お疲れ様です！
この調子で次の問題に挑戦しますか？
それとも、立ち止まって詳しい解説を確認しますか？
