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: 2026-08-31。
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
あらかじめ正解（ラベル）が与えられたデータを用いて、入力と正解の対応関係を学習する機械学習の手法はどれか。
正解は「教師あり学習」である。教師あり学習は、あらかじめ正解（ラベル）が与えられたデータを用いて、入力と正解の対応関係を学習する手法であり、問題文の条件とそのまま一致する。教師なし学習は正解ラベルを使わずデータの構造を見つける手法で、クラスタリングはその代表例にあたり、いずれもラベルとの対応学習ではない。強化学習は行動の結果として得られる報酬を手がかりに行動を最適化する枠組みであり、あらかじめ与えられた正解ラベルとの対応を学習する手法ではない。これら3つはいずれも「入力とラベルの対応関係」そのものを学習する手法ではなく、教師あり学習とは前提となるデータの与え方が異なる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
機械学習の手法の一つで、脳の神経回路を模したネットワークの層を深く重ねることにより、画像認識など複雑なパターンの認識を可能にした技術はどれか。
正解は「ディープラーニング」である。ディープラーニングは、脳の神経回路を模したネットワークの層を深く重ねることで、画像認識など複雑なパターンの認識を可能にした技術であり、第三次AIブームを支えた中心技術の一つである。ルールベースは人間があらかじめ規則を記述する方式であり、エキスパートシステムは専門知識をルール化した第二次AIブームの仕組みであり、いずれも人間が規則を書く方式でありデータから層を重ねて学習する構造ではない。クラスタリングは似たデータをグループ分けする教師なし学習の手法であり、ネットワークの層を深く重ねる構造を前提にする語ではない。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
機械学習の学習方式・手法に関する次の説明のうち、誤っているものはどれか。
正解は「次元削減とは、あらかじめ正解（ラベル）が与えられたデータを用いて、入力と正解の対応関係を学習する機械学習の手法である」（誤り）である。次元削減は、データが持つ多数の特徴（変数）を、重要な情報をできるだけ保ったまま少ない数にまとめる教師なし学習の手法であり、設問の説明は教師あり学習の定義を次元削減に誤って当てはめている。クラスタリング・教師あり学習・強化学習の説明はいずれも正しい。次元削減は教師なし学習に分類される手法であり、正解ラベルを用いる教師あり学習とは学習の前提そのものが異なる。
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）