問題 No.1324
データ点同士のユークリッド距離を計算し、与えられたクラス数に分類されるように各点の所属クラスタを反復的に更新していく非階層型クラスタリングの手法はどれか。
【正解の解説】
K平均法
K平均法（K-means）は、あらかじめ指定したクラスタ数 $K$ に対し、各データ点からクラスタ重心までのユークリッド距離の二乗和を最小化するように、所属クラスタの割り当てと重心の再計算を交互に繰り返して収束させる非階層的クラスタリングの標準手法です。
スポンサーリンク
【その他の選択肢の解説】
主成分分析
主成分分析（PCA: Principal Component Analysis）は、高次元データの分散（情報量）を可能な限り保持したまま互いに直交する新しい合成変数（主成分）へと変換する次元削減手法です。データを類似度に応じてグループ化するクラスタリングとは異なります。
ウォード法
ウォード法（Ward's method）は、クラスタを結合した際の分散の増加量を最小にするように順次樹形図（デンドログラム）を形成していく「階層的」クラスタリング手法です。あらかじめ決定した個数へ直接反復更新していく「非階層的」手法ではありません。
決定木
決定木（Decision Tree）は、入力データの特徴量に対して「はい/いいえ」の条件分岐を繰り返すことで正解ラベルを分類・回帰する「教師あり学習」の手法です。ラベルのないデータ群を距離に基づいて自動グループ化する教師なしクラスタリングではありません。