クラスター分析とは
観測対象を互いに似た者同士でグループ分けをする手法。似たような傾向を示す消費者をいくつかのグループに分類することで消費者の大まかなニーズを掴むことができる。
大きく分けて階層的手法と非階層的手法がある。それぞれの代表的な手法として、ウォード法、k-means法とがある。
教師データを用いない手法のひとつ。
教師ありと教師なし
教師あり
- 与えられたデータを適切なクラスへ振り分ける。
- 既存データを基に作成したルールで、新規データを振り分ける。
教師なし
- 与えられたデータを複数のグループへ分ける。
- データの特徴を基に意味のあるグループがないかみつける。
階層型と非階層型
階層型クラスター分析
- 各データをひとつのクラスタとみなし、距離が近いクラスタを段階的に結合する手法。
- ウォード法など
非階層型クラスター分析
- 決められたクラスタ数でデータを分割し、最適分割となる分割方法を探索する手法。
- k-means法など
類似度とは
- 東京と北海道、東京と沖縄の２地点間の距離を調べる。
- ３地点の都道県庁の軽度と緯度から、２地点間の距離を求める。
| 県庁所在地 | 緯度 | 経度 |
|---|---|---|
| 東京都庁 | 139.69 | 35.69 |
| 沖縄県庁 | 127.68 | 26.21 |
| 北海道庁 | 141.35 | 43.06 |
２地点間の距離は、三平方の定理から、都市間の経度の差の２乗と緯度の差の２乗の和について正の平方根をとった。
| 東京都庁 | 沖縄県庁 | |
|---|---|---|
| 沖縄県庁 | 15.30 | |
| 北海道庁 | 7.35 | 21.70 |
- 東京と北海道が最も近く、東京と沖縄の約1/2。
- このような一般的に利用する距離を「ユークリッド距離」と呼び、クラスタリングにおいてはこの「距離」の概念を用いて、似ているものどうしをまとめていく。