概要

教師なし学習のひとつであるクラスタリングを行います。階層的、非階層的クラスタリングのいずれにも対応しています。データのサンプルを類似性に基づいてグループ化することができ、データの構造化や簡素化、隠れたパターンや関係性の発見、外れ値の検出などに役立てることができます。

操作方法

「読み込みデータ」タブにて、「データファイル読み込み」よりデータセットを読み込みます。

「クラスタリング」タブにて、以下の項目を設定し「作成」をクリックすると、クラスタリングの結果（cluster_numbers_{手法}.csv）が表示されます。

1. 特徴量

   クラスタリングに用いる特徴量を選択します。

2. オートスケーリング

   データセット内にある異なる単位の特徴量や、異なるデータ分布の特徴量のスケールを揃えます。特徴量ごとに、特徴量からその特徴量の平均値を引き、その後に特徴量の標準偏差で割ることで、全ての特徴量の平均値を0、標準偏差を1に揃えます。通常はチェックを入れます。

3. 手法選択

   クラスタリングの手法を選択します。k-means法 は非階層的クラスタリング、Ward法 / 最近隣法 / 平均距離法 / 最遠隣法 は階層的クラスタリングに分類され、階層的クラスタリングの 4 手法はそれぞれ、クラスター間の距離の計算方法が異なります。ページ下部の技術資料もご参照ください。

4. クラスター数

   クラスター数を入力します。各サンプルは入力したクラスター数に応じて、いずれかのクラスターに分類されます。

5. t-SNE による可視化

   t-SNE による可視化を行う場合にチェックを入れます。チェックを入れると、結果に t-SNE マップが出力され、各サンプルはクラスター番号で色分けされて表示されます。

6. k3n-error による perplexity の自動最適化

   「Perplexity」に数値（目安は 10-50）を入力するか、「k3n-error による perplexity の自動最適化」にチェック入れます。自動最適化では、perplexity を 5, 10, 15, …, 100 と変更して k3n-error を計算し、k3n-error が最小となる perplexity の値を選択します。

   ※サンプル数が 100 以下の場合は、サンプル数未満の候補で計算し選択します。

t-SNE による可視化 にチェックを入れた場合、t-SNE マップが出力され、各サンプルがクラスター番号で色分けされて表示されます。合わせてt-SNE により計算された座標データ（z1, z2）が結果に追加されます。