2023.12.14

クラスタリングとその重要性の紹介

marugotoyoten

カリフォルニア工科大学のYoutube動画「クラスタリングとその重要性の紹介」について要点と要約をまとめました

３つの要点

要点１
クラスタリングの定義とモデル、モデル選択の重要性
要点２
クラスタリングと分類の違い、クラスタリングの曖昧さと主観性
要点３
クラスタリングの品質評価の方法、内部基準と外部基準の違い

要約

クラスタリングの定義とモデル
このモジュールでは、オブジェクト間の自然なグループ分けを決定するクラスタリングの興味深いタスクについて説明します。クラスタリングの定義について説明し、k-meansや自己組織化マップなどのモデルを探求します。これらの講義の目的は、クラスタリングの問題点に対する洞察を提供し、分析に適したモデルとパラメータを選択するのをサポートすることです。

クラスタリングと分類の違い
分類は教師あり学習の一形態ですが、クラスタリングは教師なしのタスクです。クラスタリングでは、同じクラスタ内のオブジェクトは似たような振る舞いをします。つまり、同じクラスタ内のポイントは同じタイプである可能性が高いです。私たちはオブジェクト間の自然なグループ分けを見つけたいのですが、それは曖昧で主観的なものになることもあります。例えば、シンプソンズのキャラクターを性別や役割に基づいてクラスタリングすることができます。

クラスタリングの品質評価
クラスタリングは内部基準と外部基準によって評価されます。内部基準はクラスタ内のポイント間の距離やクラスタ間の距離に基づいています。外部基準はラベル付きのサンプルの一部を使用してクラスタリング結果を評価します。純度、正規化相互情報量、ランド指数、F-尺度などの指標がクラスタリングの品質評価によく使用されます。

クラスタリングの種類と距離尺度
クラスタリングには階層的クラスタリング、分割クラスタリング、モデルベースのクラスタリング、密度ベースのクラスタリングの4つの主要なタイプがあります。階層的クラスタリングは各要素を別々のクラスタとして始め、与えられた特性に基づいてそれらを結合します。分割クラスタリングはすべてのポイントを1つのクラスタとして始め、それらを分割します。モデルベースのクラスタリングはデータがモデルによって生成されたと仮定し、元のモデルを復元しようとします。密度ベースのクラスタリングは高密度の領域をクラスタと定義します。ユークリッド距離、タクシー距離、コサイン類似度、マハラノビス距離など、異なる距離尺度がクラスタリングでオブジェクト間の類似度を定量化するために使用されます。

▼今回の動画