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。
k-means（k平均法）とは
k-meansとは、ラベルのないデータを類似性に基づいて指定した個数（k個）のグループに自動的に分類する、非階層的クラスタリングの手法です。
詳しく解説
k-meansは、教師なし学習に分類される機械学習アルゴリズムです。処理の手順として、まず分類したいクラスタ数kを設定し、データ空間上にランダムにk個の初期重心を配置します。次に、各データ点を最も近い重心のクラスタに割り当てます。割り当て完了後、各クラスタに属するデータ点の平均座標を計算して重心を更新します。この割り当てと重心の更新を、重心の位置が変化しなくなるまで繰り返すことで最適な分類を行います。アルゴリズムがシンプルで計算速度が速いため、大規模なデータセットに対しても扱いやすいという重要な特徴を持っています。
具体例・使われ方
例えば、ECサイトにおける顧客データの分析が挙げられます。購買履歴やアクセス頻度などのデータから、顧客を『ライトユーザー』『ロイヤルカスタマー』などのいくつかの層にクラスタリングして最適な施策を検討します。また、画像処理分野では、類似した色空間の画素を同じグループにまとめて使用色数を減らす減色処理や画像圧縮の技術としても利用されます。
似た用語との違い
名前が似ているk-NN（k近傍法）と混同されやすいですが、k-NNは正解ラベルが存在するデータを分類するための教師あり学習の手法であり、ラベルのないデータを分類するk-meansとは根本的に異なります。また、同じ非階層的クラスタリングでも、密度に基づいて複雑な形状のクラスタを検出するDBSCANなどと比べ、k-meansは球状のクラスタ形成が得意であるという違いがあります。
注意点
k-meansを使用する際は、分類数kを分析者が事前に指定する必要がある点に注意が必要です。適切なkの値を決定するためには、エルボー法などの評価手法を併用することが推奨されます。また、初期重心の位置に結果が依存しやすいため、初期値を工夫する改良版（k-means++）の利用や、外れ値の影響を受けやすい性質を踏まえた前処理が不可欠です。