クラスターとは、データ分析や機械学習において、共通の性質や類似した特徴を持つデータの集まり（グループ）を指す言葉です。主に教師なし学習の一種であるクラスタリングによって自動的に分類され、顧客のセグメンテーションや異常検知などに活用されます。また、AIモデルの高速な学習を支える複数の連結された計算資源（GPUクラスターなど）を指す場合もあります。
クラスターとは
クラスターとは、機械学習や統計学において、互いに似た特徴を持つデータ同士が集まったグループのことです。また、文脈によってはAIの計算処理を高速化するために連携された複数台の計算機群（コンピュータークラスター）を指す場合もあります。
詳しく解説
データ分析におけるクラスターは、データ全体の背後にあるパターンや構造を理解するための重要な単位です。データは多次元の「特徴量」空間に配置され、その距離が近いもの同士が同じクラスターとして扱われます。このクラスターを自動的に検出する手法を「クラスタリング」と呼び、これは正解ラベル（教師データ）を必要としない「教師なし学習」の代表例です。主要なアルゴリズムには「K-means法」や階層的クラスタリングがあり、これらを用いて高次元データをいくつかのまとまりに分類します。データの特徴を可視化したり、複雑なデータを単純化して解釈したりするために、クラスターの抽出はデータサイエンスの初期段階で頻繁に実施されます。
具体例・使われ方
マーケティングにおける顧客分析が代表例です。購買履歴や年齢などの「特徴量」をもとに顧客をいくつかのクラスターに分類し、各クラスターの特性に合わせたキャンペーンを展開します。また、製造業におけるセンサーデータの異常検知では、正常な稼働データのクラスターから大きく外れた位置にあるデータを異常値として判定します。さらに、文章や画像をその類似度に基づいて自動分類する際にも、生成されたクラスターがトピックやカテゴリの特定に利用されます。
似た用語との違い
クラスターと混同されやすい概念に「クラス」があります。「クラス」は、あらかじめ定義されたカテゴリ（例：犬か猫か、スパムか否か）を指し、「分類」と呼ばれる教師あり学習で用いられます。一方で「クラスター」は、事前に境界やグループの名前が決まっておらず、データ自身の類似性によって事後的に形成される自然なグループ（例：なんとなく好みが似ている購買層）を指します。また、高次元のデータを分かりやすく整理する手法として「次元削減」がありますが、これはデータの軸（次元）を減らす技術であり、データをグループ分けするクラスターの作成とはアプローチが異なります。
注意点
クラスターを抽出する際、どのように類似性を定義するか（距離の計算方法など）や、いくつのクラスターに分割するか（クラスタリングのパラメータ設定）によって、得られる結果が大きく変化します。自動的に作成されたクラスターには、そのグループが何を意味するのかを示すラベルが最初から付与されているわけではないため、最終的にデータが持つ背景を解釈し、命名するのは人間側の役割となります。また、ノイズデータが含まれていると適切なクラスターが形成されない場合があるため、前処理が極めて重要です。