データクラスタリング ／ クラスタリング ／ クラスタ解析 ／ クラスター分析

概要

最も似ている組み合わせから順番にまとまり（クラスター）にしていく方法
・近いものから順番にくくる
・途中過程が階層のように表せる

長所
・予めクラスター数を決める必要がない(近いものから順番にくくるため)

最終的には？
・樹形図（デンドログラム）ができる

---

処理の流れ

1-2.構成要素を表す「点」（例えば顧客ひとりひとり）が分布している中から、2点間の距離が最も近いペアを同じ集団とする
3-5.さらに、互いに距離が最も近い点同士から順にグルーピングしていく手続きをひたすら繰り返していく
6.最終的に全体をいくつかの集団にまとめることが出来る

1.全ての「点」同士の間の「距離」を計算する　（N個の点があると、N(N-1)/2回の計算をすることになる）
2.全ての「点」同士の間の「距離」を比較し、最も「距離」が小さな「点」同士を、統合した一つの「グループ」とする
3.統合して新たに作った「グループ」と、その他の「点」（または他の「グループ」）との間の距離を計算する
4.新しい「グループ」を含め、統合されずに残っている全ての「点またはグループ」同士の距離を比較し、もっとも「距離」が小さな「点またはグループ」同士を、新たに統合する
5.(3.)と(4.)を繰り返す
6.全ての「点」が一つのグループに統合された時点で終了する

---

概要

階層的な構造を持たず、あらかじめいくつのクラスターに分けるかを決め、決めた数の塊（排他的部分集合）にサンプルを分割する方法

目的
・同じクラスターの中に属するサンプルはなるべく似通っているように、異なるクラスターに属するサンプル間ではなるべく違いがはっきりするようにすること

特徴
・サンプル数が大きいビッグデータを分析するときに適している
・「予め幾つのクラスターに分けるか」は分析者が決める必要があり、最適クラスター数を自動的には計算する方法は確立されていない

代表的手法
・K-means 法