G検定用語解説

k-means法とは

あらかじめ定めたクラスタ数kに向け、各データを重心との距離をもとにグループ分けする教師なし学習のクラスタリング手法。

まず押さえる結論

k-means法は、G検定の「大項目3 機械学習の概要」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。

情報源と編集区分

公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。一次情報確認日: 2026-07-03。

試験概要（公式）

具体例から判断の境界を固める

k-means法を、役割と隣接概念の境界から捉える

あらかじめ定めたクラスタ数kに向け、各データを重心との距離をもとにグループ分けする教師なし学習のクラスタリング手法。試験では名称だけでなく、処理の対象、目的、使う段階を別概念と入れ替えた選択肢が出るため、定義の主語と動作を分けて確認します。

問題文で見る箇所: あらかじめ定めたクラスタ数kに向けて、重心との距離をもとにデータをグループ分けしているかを確認します。
隣接概念との境界: k-means法はラベルなしデータをグループ分けするクラスタリング手法、主成分分析（PCA）は変数の数を減らす次元削減手法という点で区別します。

誤答しやすい選択肢

k-means法を、変数の数を減らして表現し直す次元削減の手法として扱う。定義の主語と処理対象を確認します。
k-means法の目的だけを見て、同じ目的を持つ別手法まで同じ用語とする。具体的な処理を比較します。
k-means法を使えば目的が必ず達成されると断定する。適用条件や評価を別に確認します。

4段階の判断手順

01問題文が状態、手法、評価指標、制度のどれを説明しているか決める。
02定義の中心となる対象と動作がk-means法に一致するか確認する。
03隣接概念と共通する目的ではなく、処理や条件の違いを見る。
04必ず・完全に・だけでよいという過度な断定がないか見直す。

到達条件: k-means法を一文で説明し、最も混同しやすい隣接概念との違いを処理または条件から言える。

試験での問われ方

定義の言い換え

用語そのものではなく、説明文の一部を言い換えて出されることがあります。

似た概念との比較

同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。

具体例からの判断

問題文の事例が、定義のどの部分に対応しているかを先に確認します。

誤答しやすいポイント

×教師あり・教師なし・強化学習の分類の取り違え（分類/回帰＝教師あり、クラスタリング/次元削減＝教師なし）。

×L1正則化（ラッソ＝係数が0になり変数選択も兼ねる）とL2正則化（リッジ＝係数を小さく抑えるが0にはなりにくい）の混同。

×適合率（精度）と再現率の取り違え、および混同行列の読み方。

同じ章で確認したい用語

主成分分析（PCA）アンサンブル学習バギングブースティング勾配ブースティングサポートベクターマシン（SVM）

到達チェック

k-means法を一文で説明できる
同じ章の似た用語と違いを説明できる
問題文の具体例から、k-means法に関係する論点を拾える
関連問題を解き、誤答した選択肢の理由を確認できる

シェア:Xでシェア LINEでシェア

執筆: ミナト編集部（運営者情報を見る）