k-meansとは【図解でわかりやすく】

最終更新日：2026年7月15日

30秒でわかる結論

k-means（クラスタリング）は「正解ラベルなしのデータをk個のグループに自動分類する教師なし学習」です。アルゴリズムはシンプル：①重心をランダム配置→②各データを最近傍の重心に割り当て→③重心を更新、を収束まで繰り返す。kは人間が先に決める必要があります。混同しやすいk-NN（教師あり・分類）との違いがG検定で頻出です。

k-means＝正解なしのデータをk個のグループに自動で分ける、教師なし学習のクラスタリング。

k-meansはG検定で「教師なし学習の代表例」「k-NNとの違い」という形で必ず問われます。名前が似ているだけで全く別物です。

図解

解説

顧客データを「購買傾向が似ている3グループ」に分けてマーケティングに活かす、といった使い方をします。ポイントは2つ：(1)教師なし学習である（正解を教えない）、(2)グループ数kは人間が先に決める。

名前が似ているk近傍法（k-NN）は「引っ越し先の治安を知りたければ、近所のk軒に聞いて多数決」というイメージの教師あり学習の分類手法で、まったくの別物です。k-means（教師なし・グループ分け）とk-NN（教師あり・分類）を混同しないようにしましょう。

具体例

①小売業が購買履歴からk=5グループに顧客セグメント化し、グループ別マーケティングを展開。②ニュース記事をk=10のトピックグループに自動分類（既存カテゴリなし）。③医療画像のピクセルをグループ分けして腫瘍候補領域を抽出する前処理として活用。

間違えやすい類似用語

k-means vs k-NN（k近傍法）：k-means＝教師なし学習のクラスタリング。「似た者どうしを自力でグループ化」。k-NN＝教師あり学習の分類。「新しいデータを、最近傍k件のラベル多数決で分類」。アルゴリズムも目的も全く異なるが名前が似ており試験で引っかけとして頻出。
クラスタリング vs 分類（Classification）：クラスタリング（k-meansなど）は正解ラベルなしでグループを発見する教師なし学習。分類は正解ラベルありで学習し未知データのラベルを予測する教師あり学習。「グループに名前がない＝クラスタリング、グループに名前がある＝分類」という整理が有効。