生成AIパスポート 用語解説
クラスタリングとは
教師なし学習の一種で、正解ラベルなしにデータの類似性をもとに似た者同士をグループ（クラスタ）へ分ける手法。
まず押さえる結論
クラスタリングは、生成AIパスポートの「第1章 AI（人工知能）」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: 2026-06-27。
公式シラバス（PDF）（公式）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
×教師あり学習・教師なし学習・強化学習の取り違え。クラスタリングや次元削減は「教師なし」、分類や回帰は「教師あり」、報酬を手がかりに学ぶのが「強化学習」。
×弱いAI（ANI）と強いAI（AGI）の混同。特定の課題に特化するのが弱いAI、人間のように幅広い課題へ汎用的に対応できるとされるのが強いAI。
×AIブームと中心技術の対応ずれ。第一次＝探索・推論、第二次＝エキスパートシステム、第三次＝ディープラーニングとビッグデータ。
関連する確認問題
第1章 AI（人工知能） / AIに知能をもたらす仕組み
正解ラベルのないデータから、データ自体に潜むパターンや構造を見つけ出す機械学習の手法はどれか。
正解は「クラスタリング」である。問題文の決定条件は、入力データに正解ラベルがなく、そのデータ自体からパターンや構造を見つけることである。これは教師なし学習の設定であり、代表的な手法としてクラスタリングや次元削減がある。選択肢では、データをまとまりに分けるクラスタリングが直接対応する。教師あり学習は正解ラベルを使い、強化学習は報酬を手がかりに行動を改善し、転移学習は学習済みの知識を別課題へ活かす。入力に何が与えられるかを最初に確認すれば、4つの学習方式を混同せずに選べる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
ニューラルネットワークの過学習を抑えるための手法として適切なものはどれか。
正解は「ドロップアウト」である。設問が求めているのは、ニューラルネットワークの過学習を抑えるための具体的な手法である。ドロップアウトは学習時に一部のノードを無効化し、特定のノードに依存しすぎることを抑える。選択肢を判断するときは、対象がニューラルネットワークか、目的が過学習の抑制か、学習時に行う操作かを確認する。特徴量はデータを表す変数、探索は解を探す手法、クラスタリングはラベルなしデータをまとめる教師なし学習であり、いずれもこの3条件を満たさない。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
機械学習において、大量のデータで訓練を終え、新しいデータに対して予測や分類を行えるようになったものを何というか。
正解は「学習済みモデル」である。設問は、大量のデータを使う訓練が終わった後に、新しいデータを受け取って予測や分類を行うものの名称を問うている。この一連の処理を実行する成果物が学習済みモデルである。クラスタリングはラベルのないデータを似たまとまりに分ける学習手法、ルールベースは人間が記述した規則に従う方式、特徴量は予測や分類の材料になる変数を指す。したがって、手法・方式・入力材料ではなく、訓練後に推論を担うものを選ぶ。問題文の「訓練を終え」「新しいデータに対して」という時間順序を押さえると、学習済みモデルへ絞れる。
同じ章で確認したい用語
到達チェック
- クラスタリング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、クラスタリング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
執筆: ミナト編集部（運営者情報を見る）