k-means法とは？-AI関連の用語集【クラベルAI】-

Q: kの数は、どう決めればいいですか？

業務で使いやすい数を軸に、いくつか試して決めます。エルボー法や、シルエット係数といった目安もあります。ただ、5つに分けても施策を作れないなら意味が薄いので、運用面からも考えます。

Q: k-meansに向かないデータはありますか？

丸くまとまらない形や、外れ値が多いデータは苦手です。細長い形や、三日月形のグループはうまく分けられません。外れ値は中心を引っぱるため、先に確認して整えておきます。

Q: ほかのグループ分けの手法と何が違いますか？

単純で速い反面、形の自由度が低いのが特徴です。階層的クラスタリングは、分け方の過程を図で見られます。DBSCANは、形が不規則でも分けやすい手法です。

k-means法（K-means Clustering）
- k-means法（K-means Clustering）関連用語
k-means法（K-means Clustering）で知っておくと得する有益情報
k-means法（K-means Clustering）やさしい解説
k-means法（K-means Clustering）についてのみんなの疑問
AI関連の用語集【まとめ】

k-means法（K-means Clustering）

アイちゃんのイラスト — 点が中心へ集まり、3組に分かれる
中心を3つ置きます。
近い点を同じ色に分けます。
中心を平均へ動かして、くり返します。

k-means法（K平均法）とは、データを、あらかじめ決めたk個の似たグループに、自動で分ける手法のことです。中心の点を決めて近いデータを集め、平均をとって中心を置き直す、という作業をくり返します。中心が動かなくなったら、グループ分けの完了です。仕組みが単純で計算が速く、顧客の分類などによく使われます。

k-means法（K-means Clustering）関連用語

k-means法（K-means Clustering）に関連する単語は以下の通りです。

k-means法（K-means Clustering）で知っておくと得する有益情報

k-means法は手軽ですが、使うときに自分で決める点があります。

グループ数kは人が決めるいくつに分けるかは、試しながら決めます。迷ったら複数の値で比べます。
単位をそろえて使う円と回数のように尺度が違う項目は、そろえてからかけます。
結果は毎回変わりうる最初の中心がランダムなので、結果が少し変わることがあります。

使い方の例

場面	分けたい対象
マーケティング	購買行動が似た顧客のグループ
商品管理	売れ方が似た商品のグループ
画像	色が似た部分のグループ
店舗運営	来客パターンが似た店舗