機械学習の教師なし学習とは？概要からアルゴリズム4種類も解説

「クラスタリング・次元削減・レコメンデーション……種類が多くて、何がどう違うのかわからない」

G検定で頻出の教師なし学習ですが、アルゴリズムの種類が多く整理しにくいと感じる方は多いはずです。

k-means・PCA・協調フィルタリング・LDA……それぞれが何をするものなのか、イメージがなかなか結びつきにくいでしょう。

本記事では、教師なし学習の概要から代表的なアルゴリズム4種類（クラスタリング・次元削減・レコメンデーション・トピックモデル）まで、数式を使わずイメージで整理できるように解説します。

G検定頻出の確認問題も3問用意しているので、読み終わったら腕試しをしてみてください。

機械学習の教師なし学習とは

正解ラベルが付与されていない特徴量のみのデータを用い、データが持つ構造・隠れた特徴・パターンを見つけ出す手法です。

教師あり学習では「犬の画像には犬、猫の画像には猫」という正解ラベルを用意してコンピューターに学ばせます。

一方、教師なし学習では正解ラベルを用意せず、コンピューターがデータの特徴を自分で見つけてグループ分けや圧縮を行います。

	教師あり学習	教師なし学習
正解ラベル	あり	なし
目的	正解を予測する	データの構造・パターンを発見する
具体例	スパム判定・売上予測	グループ分け・データ圧縮

教師なし学習の主なタスクは4種類あります。それぞれ解説します。

タスク	概要	代表手法
クラスタリング	共通する特徴でグループ分け	k-means法・Ward法
次元削減	高次元データを低次元に変換	主成分分析（PCA）
レコメンデーション	ユーザーへの商品推薦	協調フィルタリング
トピックモデル	文書を複数トピックに分類	LDA

---

アルゴリズム①：クラスタリング

正解のないデータから、共通する特徴を持つグループ（クラスター）に分類することです。

「似ているもの同士をまとめる」という直感的な操作です。購買傾向が近い顧客をグループ化する「顧客セグメント」や、内容が近いドキュメントをまとめる「文書分類」などに使われます。

クラスタリングには大きく非階層クラスタリングと階層クラスタリングの2種類があります。

非階層クラスタリング（k-means法）

データをあらかじめ決められたk個のグループに分ける手法です。

手順のイメージはこうです。

1. k個の重心（グループの中心点）をランダムに配置する
2. 各データを最も近い重心のグループに割り当てる
3. 各グループの平均を新しい重心として再計算する
4. ②③を繰り返し、重心が動かなくなったら完了

重要なポイントは、kの値はユーザーが事前に設定するという点です。k=3なら3グループ、k=5なら5グループに分類されます。

階層クラスタリング

データを順番にまとめながら階層構造（デンドログラム）を作る手法です。

最初は全データが1つずつ別々のグループとして存在します。そこから「最も似ているもの同士」を順番に結合していき、最終的に1つの大きなグループになるまでまとめ続けます。このプロセスを樹形図（デンドログラム）で表現するのが特徴です。

手法	概要
Ward法	グループをまとめたときの平方誤差（平均からの距離）が最小になるように結合していく
最短距離法	最も距離が近いデータ・クラスター同士を順番に結合していく

アルゴリズム②：次元削減

高次元のデータを、重要な情報を保ったままより低い次元に変換することです。

次元削減のメリット3つ

1. データの可視化：4次元以上のデータは人間には見えません。2次元や3次元に落とすことで、データの構造を視覚的に把握できるようになります
2. 計算量の削減：次元が低いほど処理が速くなります。機械学習モデルの学習コストを下げる効果があります
3. 過学習の抑制：不要な特徴量を削ることで、モデルが本質的なパターンだけを学習できるようになります（次元の呪いへの対策）

次元の呪いとは

特徴量が増えすぎると、データが高次元空間でスカスカになり、分析がうまくいかなくなる現象を「次元の呪い」といいます。

アイスクリーム屋の売上予測を例に考えてみましょう。気温・天気・湿度・人通り・曜日という5つの特徴量があるとします。

これだけでも可視化が難しくなりますが、さらに特徴量を増やしていくと、空間内でデータが薄く広がりすぎて、パターンを見つけることができなくなります。

代表的な次元削減手法

手法	概要	特徴
主成分分析（PCA）	相関のある特徴量を相関のない少数の主成分に集約	最頻出。線形の次元削減
特異値分解（SVD）	行列を重要な成分とその他のパターンに分解	文章データの解析に使われる
多次元尺度構成法（MDS）	データ間の距離を保ちながら2次元で可視化	距離関係の可視化
t-SNE	局所的な構造の維持に優れた高次元データの可視化	非線形。クラスターの可視化に強い

アルゴリズム③：レコメンデーション

レコメンデーション（推薦システム）は、ユーザーに商品やコンテンツを自動で推薦する技術です。AmazonやNetflixで「あなたへのおすすめ」として表示される仕組みがこれにあたります。主に協調フィルタリングとコンテンツベースフィルタリングの2種類があります。

協調フィルタリング

自分と好みが似ている他のユーザーが購入・評価している商品を推薦する手法です。

Amazonの「この商品を購入した人はこんな商品も買っています」が代表例です。あなたの購買履歴・評価データと他のユーザーのデータを照合し、「好みが似ているユーザーが気に入っている商品」を推薦します。

ただし、協調フィルタリングには重大な課題があります。

ユーザーの行動履歴データがない初期段階では正確な推薦ができない「コールドスタート問題」が発生します。

大量のデータがあってこそ精度が出る手法なので、新規ユーザーや新商品が登録された直後は推薦の精度が低くなってしまいます。

コンテンツベースフィルタリング

商品に特徴（タグ・属性）を付与して、特徴が似た商品を推薦する手法です。

「色：赤」「種類：リップ」「価格帯：〜2,000円」のように商品の属性を定義し、過去に購入・閲覧した商品と似た特徴を持つ商品を推薦します。

メリットは行動データがなくても使えること。デメリットはユーザーの好みを反映しにくいことです。

赤いリップを買った人に「似た商品（オレンジのリップ）」をすすめても、その人が本当に欲しいのはチークかもしれません。商品の特徴だけを見ているため、ユーザーの嗜好の広がりを捉えられないのです。

	協調フィルタリング	コンテンツベースフィルタリング
推薦の根拠	似たユーザーの行動	商品の特徴の類似
データが少ない時	コールドスタート問題が発生	データなしでも使える
精度	データが多いほど高い	ユーザーの好みは反映されにくい

アルゴリズム④：トピックモデル

クラスタリングが1つのデータを1つのグループに分類するのに対し、トピックモデルは1つのデータを複数のグループ（トピック）に確率的に分類できる点が最大の違いです。

たとえば「AI×医療の革命」という記事は、「AI」「医療」「経済」など複数のトピックに同時に属せます。クラスタリングでは1つのグループにしか入れませんが、トピックモデルでは「AIトピック70%、医療トピック30%」というように確率で複数トピックに分類できます。

代表的な手法がLDA（潜在的ディリクレ配分法）です。ひとつの文書を複数のトピックに確率的に分類し、文書の中に潜在する主題を発見するために使われます。

	クラスタリング	トピックモデル（LDA）
1データの所属	1グループのみ	複数グループに確率的に所属
主な対象	画像・数値データ	文章データ
代表手法	k-means法	LDA（潜在的ディリクレ配分法）

G検定対策 確認問題3問

ここまで学んだ内容をG検定形式の問題で確認しましょう。まず自分で考えてから答えを見てみてください。

問1：k-means法について

k-means法に関する説明として最も適切なものはどれか。

• A. 正解ラベルが付いたデータを使ってグループを学習させる教師あり学習の手法である
• B. デンドログラム（樹形図）で結果を表現できる階層クラスタリングの代表手法である
• C. あらかじめユーザーが設定したクラスター数kに基づいて重心の計算と割り当てを繰り返す手法である
• D. 初期重心が毎回同じ位置に設定されるため、常に同じ結果が得られる

問2：主成分分析（PCA）について

主成分分析（PCA）に関する説明として最も適切なものはどれか。

• A. 特徴量の数を増やすことでデータの情報量を高める手法である
• B. 特徴量の相関を分析して相関のない少数の主成分へ情報を圧縮することで次元削減を行う手法である
• C. 局所的な構造の維持に優れた非線形の次元削減手法である
• D. 文章データを複数のトピックに確率的に分類する手法である

問3：コールドスタート問題について

コールドスタート問題に関する説明として最も適切なものはどれか。

• A. コンテンツベースフィルタリングにおいて、商品の特徴量が不足しているときに推薦精度が下がる問題である
• B. 協調フィルタリングにおいて、ユーザーや商品の行動履歴データが蓄積されていない初期段階で適切な推薦が困難になる問題である
• C. ユーザー数が増加するにつれて推薦精度が低下していく問題である
• D. 特徴量が多くなりすぎてデータがスカスカになり、分析がうまくいかなくなる問題である

G検定試験の合格率UPを目指す方へ

当サイトでは、G検定対策としてオリジナル問題を定期的に配信してます。

以下からメールマガジンに登録することで、問題に挑戦できるだけでなく、「G検定対策チェックリスト」も無料で受け取れます。

たった10時間で合格した裏話も伝えるので、最短合格を目指す方は、ぜひ登録ください。

機械学習の教師なし学習【まとめ】

今回学んだ教師なし学習のアルゴリズムを一覧で整理しておきましょう。

アルゴリズム	タスク	G検定で押さえるポイント
k-means法	クラスタリング（非階層）	kはユーザーが設定・初期重心がランダムなので結果が変動する
Ward法・最短距離法	クラスタリング（階層）	デンドログラムで表現される
主成分分析（PCA）	次元削減（線形）	次元を増やすのではなく減らす・線形の手法
t-SNE	次元削減（非線形）	非線形・クラスターの可視化に強い
協調フィルタリング	レコメンデーション	コールドスタート問題（データが少ない初期に精度が出ない）
コンテンツベースフィルタリング	レコメンデーション	データなしでも使えるが、ユーザーの好みを反映しにくい
LDA	トピックモデル	1データを複数トピックに確率的に分類（クラスタリングとの違い）

①k-meansは非階層クラスタリング（デンドログラムで表現されるのは階層クラスタリング）
②PCAは次元を増やすのではなく減らす（線形の手法）
③コールドスタート問題は協調フィルタリングで発生
④クラスタリングとトピックモデルの違い（1グループのみ vs 複数グループに確率的に所属）。

G検定の次のステップは【10日間で合格】G検定の学習ロードマップ4ステップで確認しましょう。