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）」に出てくる用語です。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
「第1章 AI（人工知能）」の問題で、取り違えやすい組み合わせです。
- 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
教師なし学習の一つで、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手法を何というか。
正解は「次元削減」である。設問は、データ件数を減らすのではなく、多数ある特徴、すなわち変数の数を少なくまとめる操作を問うている。重要な情報をできるだけ保ちながら特徴数を減らす手法が次元削減であり、教師なし学習の代表例に含まれる。クラスタリングも教師なし学習だが、こちらは特徴数ではなく、似たデータをグループへ分ける。過学習は訓練データへ適合しすぎる現象、転移学習は学習済みの知識を別の課題へ活かす手法である。「何の数を変えるか」に注目し、変数を少数へまとめる記述なら次元削減、データを群へ分ける記述ならクラスタリングと見分ける。
第1章 AI（人工知能） / AIの歴史
第一次AIブームで中心となった、迷路やパズルなどで考えられる選択肢を順にたどり、ゴールへの道筋を見つける手法を何というか。
正解は「探索」である。問題文には、第一次AIブームという時代と、迷路やパズルで考えられる選択肢を順にたどってゴールへの道筋を見つける処理が示されている。この処理が探索であり、当時は探索と推論が中心だった。エキスパートシステムは専門知識をルールとして扱う第二次AIブームの仕組み、ディープラーニングは第三次AIブームを支えた技術である。クラスタリングは似たデータをまとめる教師なし学習であり、ゴールまでの候補をたどる処理ではない。時代だけでなく動作にも注目し、「選択肢を順にたどる」「道筋を見つける」から探索へ結び付ける。
同じ章で確認したい用語
他資格でも出題される用語
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
用語を体系的に学べる書籍（Amazon）
用語の意味を調べたあとに、試験範囲の流れの中で読み直したいときの公式テキストと公認テキストです。購入前に版と試験範囲への対応を確認してください。
執筆: ミナト編集部（運営者情報を見る）