シルエット分析は、クラスタリングの結果がどの程度適切かを評価するための手法です。データ点が所属するクラスタ内にどれだけ適合し、他のクラスタとどれだけ離れているかをシルエット係数として数値化します。適切なクラスタ数の決定や分類結果の品質確認に広く利用される機械学習の評価指標です。
シルエット分析とは
シルエット分析を一言でいうと、クラスタリングによって分けられたグループの品質や、データ点が適切なグループに割り当てられているかを評価する手法です。
詳しく解説
シルエット分析では、各データ点に対して同じクラスタ内の他データ点との平均距離（凝集度）と、最も近い別クラスタのデータ点との平均距離（乖離度）を計算します。これから算出されるシルエット係数は-1から1の値をとり、1に近いほど正しく分類されていることを意味します。0付近は境界線上、負の値は誤った分類を示します。k-meansなどのアルゴリズムで最適なクラスタ数を設定する際に重要な役割を果たします。
具体例・使われ方
例えば、顧客データを購買傾向に応じてグループ分けするクラスタリングで活用されます。グループ数を3にするか5にするか判断する際、シルエット分析を実行してシルエット係数の平均値が高くなる設定を選択することで、明確に分割されたグループ構造を作成できます。
似た用語との違い
クラスタリングの最適数を決める類似手法であるエルボー法との違いとして、エルボー法はクラスタ全体の誤差平方和の減少変化を見るのに対し、シルエット分析は個々のデータ点の凝集度と乖離度をもとに評価するため、各クラスタの分離度合いや不均一さをより詳細に分析できる点があげられます。
注意点
シルエット分析は全データ点間の距離計算を行うため、データ規模が大きくなると計算コストが急増します。また、球状以外の複雑な形状のクラスタ構造を持つデータに対しては、適切な評価が行えない場合があるため注意が必要です。