問題 No.1808
k-means法（k平均法）の実装や運用上の特性として、正しく説明しているものはどれか。
【正解の解説】
初期に配置するクラスタ中心の位置や数（k）の選び方によって、得られる最終的なクラスタリングの結果や局所最適解が大きく左右される。
宝探しのスタート地点をどこにするかで、最初にたどり着くゴールが変わるのと同じです。k-means法はランダムに決めた初期位置から徐々に中心を調整していくため、最初にハズレの位置を選ぶと中途半端なグループ分けで止まってしまう「局所最適解」の罠にハマりやすくなります。そのため、何度もやり直したり工夫が必要です。
スポンサーリンク
【その他の選択肢の解説】
クラスタリングの対象となるデータの正規化や欠損値処理を事前に行うことで、初期値の依存性を完全に排除することができる。
データの綺麗さと初期値の問題は別問題です。部屋を綺麗に片付け（正規化や欠損値処理）ても、どこから掃除を始めるか（初期値）によって掃除の効率や最終的な家具の配置が変わるのと同じです。前処理は正確な距離計算に必須ですが、ランダムに決まる初期値の癖そのものを消し去る魔法の杖ではありません。
あらかじめ設定したクラスタ数（k）の最適値は、データの総数に対する分散の減少率をプロットするエルボー法によって数学的に一意に決定される。
エルボー法はグラフの折れ曲がり具合（肘の形）を見るものですが、人間が「ここが曲がり角だね」と主観で判断する目安にすぎません。数学の公式のように「答えは必ずこれです」と一意に決まるわけではなく、グラフの形がなだらかな場合には判断に迷うことも多々あります。
距離計算の基準としてユークリッド距離だけでなくマンハッタン距離を用いる場合でも、外れ値の影響を受けずに安定したクラスタ中心を算出できる。
k-means法はデータの平均値（中心）を使って計算を進めるため、とんでもない遠くにある「外れ値」が1つあるだけで平均点が大きく引っ張られてしまいます。これは、テストの平均点がクラスの一番の天才や極端な点数のせいで大きく変わるのと同じ現象であり、距離の測り方を変えてもこの弱点は克服できません。