デンドログラムは、階層的クラスタリングの結果を樹木状の図として視覚化したものです。データ同士の類似度や結合される順序、階層構造を直感的に把握できます。垂直方向の線の高さがデータ間の距離を表し、特定の高さで切断することにより、目的に応じた適切なクラスタ数を決定できるため、データ分析や分類問題で広く活用されます。
デンドログラムとは
デンドログラムとは、データ間の類似性や階層構造を樹木状の枝分かれ図として表現した可視化手法のことです。
詳しく解説
デンドログラムは、主に階層的クラスタリングという機械学習アルゴリズムの出力を視覚化するために用いられます。分析の初期段階では各データが独立した要素ですが、類似度が高いデータ同士から順に結合され、最終的に1つの大きなグループへとまとまる過程を描きます。図中の縦軸や横軸はデータ間の距離を示しており、線が結合する位置が高いほど、それらの要素やグループ間の離れ具合が大きいことを意味します。この図を観察し、適切な高さで水平線を引いて切断することで、データのまとまりであるクラスタの数を柔軟に決定できます。
具体例・使われ方
例えば、顧客データを購買傾向に基づいて分類する顧客セグメンテーションにおいて、類似した購買パターンを持つ顧客グループを発見する際に用いられます。また、遺伝子発現データの解析において類似した機能を持つ遺伝子群を特定するバイオインフォマティクス分野や、文書データをトピックごとに階層分類する自然言語処理の領域でも視覚的な分析ツールとして利用されています。
似た用語との違い
デンドログラムと関連する概念に非階層的クラスタリングの代表例であるk-means法があります。k-means法では事前にクラスタ数を指定してデータをグループ化するため、階層構造は形成されず、デンドログラムのような樹木図を描くことはできません。一方、階層的クラスタリングではデータの階層構造全体をデンドログラムとして可視化できるため、クラスタ数をあらかじめ決めておく必要がないという違いがあります。
注意点
デンドログラムはデータ数が多くなると枝が複雑に絡み合い、視認性が大幅に低下するという限界があります。そのため、数千件を超えるような大規模データの全体像を把握する用途には向きません。また、データの結合時に用いる距離尺度や結合手法の選択によってデンドログラムの形状が大きく変化するため、解釈の際には分析手法の前提条件に留意する必要があります。