k-means 法とは
k-means法とは、データをあらかじめ指定したk個のクラスタに分割する代表的なクラスタリング手法です。クラスタ数kを事前に決める必要がある点と初期値によって結果が変わる点がG検定対策として重要です。
この用語はG検定シラバスの「8. 教師なし学習」に含まれます。 章全体の用語は用語解説②（全62語）にまとまっています。
一言でいうと
k個のグループに分け、重心の計算と割り当てを繰り返して収束させる手法です。
手順
- k個の重心を（ランダムに）置く
- 各データ点を最も近い重心に割り当てる
- 割り当てられた点の平均位置に重心を更新する
- 割り当てが変わらなくなるまで繰り返す
「割り当て」と「重心の更新」を交互に繰り返す、というのが手順の核心です。
🧪 手を動かすと一気に分かります
この手順は、文章で読むより1ステップずつ動かしたほうが速く理解できます。 重心の初期位置を変えると結果がどう変わるか、クラスタ数kを変えると何が起きるかを、 その場で確かめられるシミュレータを用意しています。
k-means法シミュレータを開く →2つの弱点
- kを事前に決める必要がある：いくつのグループに分けるべきかは、データを見ただけでは分かりません
- 初期値に依存する：最初の重心の置き方によって、異なる結果に収束することがあります
この2点はそのまま選択肢になるため、必ず押さえてください。
初期値依存への対策
初期の重心をランダムに置くと、たまたま偏った配置になり悪い結果に収束することがあります。
そこで、初期の重心どうしがなるべく離れるように選ぶk-means++という改良がよく使われます。また、初期値を変えて何度も実行し最も良い結果を採用するのも一般的な対処です。
🎯 G検定での押さえどころ
- クラスタ数kを事前に指定する必要がある
- 初期値によって結果が変わる
- 割り当てと重心更新を繰り返す
⚠️ よくある誤りの選択肢
- 「k-means法はクラスタ数を自動で決定する」→ 誤り。事前に指定します
- 「k-means法は初期値によらず常に同じ結果になる」→ 誤り。初期値に依存します
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「教師なし学習② クラスタリング」（E資格向け）
- 手を動かして確かめる → k-means法シミュレータ
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。