エルボー法
エルボー法は、機械学習のk-means法などのクラスタリングにおいて、最適なクラスタ数を決定するための代表的な視覚的アプローチです。評価指標の変化をグラフ化し、肘（エルボー）のように曲がる変曲点を最適なクラスタ数として選びます。
クラスタリングのAI用語一覧
11件クラスタリングに関するAI用語を11件掲載しています。意味や使い方、関連用語を一覧から確認できます。
メドイド
メドイドとは、クラスタリングにおいて各グループの中心に位置する、実際のデータ点のことです。外れ値に強い特徴を持ち、非数値データや任意の距離行列に対しても適用できるため、k-means法を拡張したk-medoids法などで広く利用されています。
k-means法
k-means法とは、データをあらかじめ指定したk個のグループに分類する代表的な教師なし学習アルゴリズムです。データの類似性に基づいて自動でグループ分けを行うため、顧客セグメンテーションや画像圧縮などに幅広く活用されています。
混合ガウスモデル
混合ガウスモデルは、複数のガウス分布を組み合わせて複雑なデータ分布を表現する統計的モデルです。データが複数の異なるグループから生成されていると仮定し、各データ点がどのグループに属するかを確率的に分類する手法として用いられます。画像分割や音声処理、異常検知など幅広い領域で活用されています。
k-means
k-means（k平均法）は、教師なし学習の代表的なクラスタリング手法です。データを類似性に基づいて自動的にk個のグループ（クラスタ）に分類するアルゴリズムで、シンプルかつ高速に動作するためデータ分析の前処理や顧客セグメンテーションなど幅広く活用されています。
ファジィc-means法
ファジィc-means法は、データが複数のクラスタに属する度合いを確率的に表現する、ファジィ理論に基づいたクラスタリングアルゴリズムです。境界があいまいなデータの分類やパターン認識で広く活用されています。
K平均法
K平均法は、与えられたデータをK個のグループに分類する代表的な教師なし学習のアルゴリズムです。データの類似性に基づいて自動的にグループ分けを行うため、顧客セグメンテーションや画像圧縮など幅広い分野で利用されています。
k-medoids法
k-medoids法は、データ群をk個のグループに分ける非階層的クラスタリングアルゴリズムの一つです。代表点として平均値ではなく実際のデータ点を用いるため、外れ値に強いという特徴があります。
ハードクラスタリング
ハードクラスタリングとは、各データポイントを重複なく単一のクラスタにのみ割り当てる教師なし学習の手法です。k-means法などが代表例であり、所属関係を二値的に決定するため結果の解釈や活用が容易な一方、境界付近の曖昧なデータの扱いには注意が必要です。
k-means（k平均法）
k-means（k平均法）は、データ群をあらかじめ指定したk個のグループ（クラスタ）に自動分類する代表的な教師なし学習アルゴリズムです。各データ点とクラスタの重心との距離を繰り返し計算し、最も近い重心のグループへ割り振ることでデータを整理します。シンプルで計算効率が高く、顧客セグメンテーションや画像圧縮などに広く活用されています。
クラスタ内誤差平方和
クラスタ内誤差平方和とは、クラスタリングにおいて各データ点と所属するクラスタの中心点との距離の二乗を合計した指標です。データのまとまり具合を評価し、k-means法などのアルゴリズムで最適なクラスタ数を決定するためのエルボー法などに広く活用されます。