教師なし学習は、データについて詳しく調べたいけれども、その結果何が分かるのか具体的な目標が定まっていない場合や、データに含まれている情報がはっきりしない場合に役立ちます。また、データの次元を減らす際にも有効です。

第 1 章でご覧いただいたように、教師なし学習手法のほとんどはクラスター分析の一形態です。

クラスター分析では、何らかの類似性の指標または共通する性質に基づいて、データのグループ分けを行います。同じクラスター内のオブジェクトは非常に類似したものとなり、異なるクラスターのオブジェクトは違いが明確となるようにクラスターを形成します。

クラスタリング アルゴリズムは、次の 2 つのグループに大きく分けられます。

• ハードクラスタリング。データ点は 1 つのクラスターのみに属します。
• ソフトクラスタリング。各データ点は複数のクラスターに属することができます。データがどのようにグループ化されるかがあらかじめ分かっている場合は、ソフト、ハード、どちらのクラスタリング手法も使用できます。