あるスーパーマーケットが、会員の「年間購入金額（円）」と「年間来店回数（回）」の2項目を使い、k-means法で会員をいくつかのグループに分けようとしている。この分析の進め方に関する説明として、最も不適切なものを1つ選べ。
正解と解説を見る
解説
正解 C
この問題の論点：k-means法の前処理とkの選び方
ポイント
k-means法のクラスタ内の二乗和はkを増やすほど小さくなるため、その最小値ではkを選べません。尺度の違いや外れ値にも注意します。
選択肢ごとの解説
- A
適切
k-means法は、データと重心の距離でクラスタを決めます。数十万円と数十回をそのまま並べると、距離はほぼ購入金額の差で決まります。標準化で項目どうしの尺度をそろえます。
- B
適切
重心はクラスタに属するデータの平均なので、外れ値に引きずられます。外れ値だけのクラスタができることもあります。除外や対数変換などの扱いを、分析の目的に合わせて決めます。
- C
不適切 正解
この二乗和はkを増やすほど小さくなる傾向があり、kをデータの数と同じにすれば0になります。最小値で選ぶとkが大きくなりすぎるため、減り方が鈍る点を探すエルボー法などを目安にします。
- D
適切
k-means法は、重心のまわりにどの方向にも同じように広がるまとまりを想定しています。細長い形や三日月のような形のまとまりは、途中で切られたり、別のまとまりと混ざったりすることがあります。
試験での狙われ方
k-means法を実務に当てはめる場面で、標準化、外れ値、クラスタ数の決め方の注意点を問う形が考えられます。