DA-K39｜情報Ⅰ 対策問題

正答

1

この問題のポイント

クラスタリング（自動グループ分け） を問う問題です。教師あり学習の「分類」との違いが最重要ポイントです。

解説

クラスタリングとは、正解ラベルのないデータから、似たものどうしを自動的にグループ(クラスタ)に分ける分析手法です。データどうしの距離(値がどれだけ近いか=似ている度合い)を手がかりに、近いものを同じグループにまとめていきます。教師なし学習の代表的な手法です。

具体例で考えましょう。購買履歴から顧客を「よく買う常連タイプ」「セールのときだけ買うタイプ」などに自動で分ける、アンケート回答の傾向が似た回答者をまとめる、といった使い方です。大事なのは、これらのグループ名を人間があらかじめ決めていない、という点です。データを分けてみた結果として「こういうタイプがあった」と後から分かるのです。

まぎらわしいのが教師あり学習の「分類」との違いです。分類は「迷惑メールか否か」のようにあらかじめ決まったカテゴリ(正解)に振り分けるのに対し、クラスタリングは正解なしでグループそのものを見つけます。「正解が先にあるか、後から見つかるか」で区別しましょう。

共通テストでは、「似たものを自動でグループ分け」という説明からクラスタリングを選ばせる問題や、教師あり・教師なしの方式判定の具体例として出題されます。

選択肢の確認

1．○ 正解ラベルなしで似たものを自動グループ分けするのはクラスタリング。
2．× 回帰分析は直線を当てはめて数値を予測する手法。グループ分けではない。
3．× 仮説検定は仮説が偶然で説明できるかを統計的に判断する手法。
4．× 全数調査は母集団の全員・全部を調べる調査方法の名前。

ここだけは覚えよう

正解なしで似たものを自動グループ分け=クラスタリング(教師なし学習) — 正解に振り分ける「分類」とは別物。