K-Means Clustering
教師なし学習のためのK-Meansクラスタリングを探究します。このアルゴリズムがどのようにデータをパーティショニングし、AIアプリケーションを強化し、Ultralytics YOLO26のようなモデルに情報をもたらすかを学びましょう。
K-Means Clustering は、unlabeled data 内の隠れた構造を明らかにするために設計された、unsupervised learning の分野における基本的かつ広く使用されているアルゴリズムです。主な目的は、データセットをクラスターと呼ばれる明確なサブグループに分割することであり、同じグループ内のデータポイントはできるだけ似ており、異なるグループ内のデータポイントは明確に区別されるようにすることです。data mining および探索的分析の基礎として、K-Means はデータサイエンティストが、事前定義されたラベルや人間の監視なしで、複雑な情報を管理可能なカテゴリに自動的に整理できるようにします。
アルゴリズムの仕組み#
K-Means の処理は反復的であり、training data の最適なグループ化を決定するために距離指標に依存します。このアルゴリズムは、アイテムを K 個のクラスターに整理することで動作し、各アイテムは最も近い平均（重心）を持つクラスターに属します。このプロセスにより、各グループ内の variance が最小化されます。ワークフローは一般的に以下のステップに従います。
-
初期化: アルゴリズムは K 個の初期点を重心として選択します。これらはランダムに選択することも、convergence を高速化するために k-means++ のような最適化された方法で選択することもできます。
-
割り当て: データセット内の各データポイントは、特定の距離指標（最も一般的なのは Euclidean distance）に基づいて、最も近い重心に割り当てられます。
-
更新: 重心は、そのクラスターに割り当てられたすべてのデータポイントの平均（平均値）をとることによって再計算されます。
-
反復: 重心が大きく移動しなくなるか、最大反復回数に達するまで、ステップ2と3が繰り返されます。
クラスターの正しい数 (K) を決定することは、このアルゴリズムを使用する上で重要な側面です。実務者は、結果として得られるクラスターがどの程度うまく分離されているかを評価するために、Elbow method などのテクニックを使用するか、Silhouette score を分析することがよくあります。
AIにおける現実世界の応用#
K-Means Clustering は汎用性が高く、簡素化や data preprocessing のためにさまざまな業界で活用されています。
- 画像圧縮と色量子化: computer vision (CV) において、K-Means はピクセル色をクラスター化することで画像のファイルサイズを削減するのに役立ちます。数千の色をより小さな優勢色のセットにグループ化することにより、アルゴリズムは画像の視覚的構造を維持しながら dimensionality reduction を効果的に実行します。この技術は、入力データを正規化するために高度な object detection モデルをトレーニングする前によく使用されます。
- 顧客セグメンテーション: 企業は、購買履歴、人口統計、またはWebサイトでの行動に基づいて顧客をグループ化するためにクラスタリングを活用します。これにより、AI in retail ソリューションの主要なコンポーネントであるターゲットを絞ったマーケティング戦略が可能になります。高価値の買い物客や解約リスクを特定することで、企業は効果的にメッセージを調整できます。
- 異常検知: 「正常な」データクラスターの構造を学習することにより、システムはどの重心からも大きく離れた outliers を特定できます。これは、金融における不正検知やネットワークセキュリティにおける anomaly detection に役立ち、標準的なパターンから逸脱した不審な活動にフラグを立てるのに役立ちます。
- アンカーボックス生成: 歴史的に、古い YOLO バージョンなどのオブジェクト検出器は、トレーニングデータセットから最適な anchor boxes を計算するために K-Means を利用していました。YOLO26 のような最新モデルは高度なアンカーフリー手法を利用していますが、K-Means を理解することは検出アーキテクチャの進化に関連し続けています。
実装例#
Ultralytics Platform のようなディープラーニングフレームワークが複雑なトレーニングパイプラインを処理する一方で、K-Means はデータセットの統計を分析するためによく使用されます。以下の Python スニペットは、人気の Scikit-learn ライブラリを使用して、オブジェクトの重心をシミュレートする 2D 座標をクラスタリングする方法を示しています。
import numpy as np
from sklearn.cluster import KMeans
# Simulated coordinates of detected objects (e.g., from YOLO26 inference)
points = np.array([[10, 10], [12, 11], [100, 100], [102, 101], [10, 12], [101, 102]])
# Initialize K-Means to find 2 distinct groups (clusters)
kmeans = KMeans(n_clusters=2, random_state=0, n_init="auto").fit(points)
# Output the cluster labels (0 or 1) for each point
print(f"Cluster Labels: {kmeans.labels_}")
# Output: [1 1 0 0 1 0] -> Points near (10,10) are Cluster 1, near (100,100) are Cluster 0関連アルゴリズムとの比較#
プロジェクトに適したツールを選択するために、K-Meansと名前や機能が似ている他のアルゴリズムを区別することが重要です。
- K-Means と K-Nearest Neighbors (KNN): これらは名前の「K」が共通しているため、よく混同されます。K-Means は、ラベルのないデータをクラスタリングするために使用される 教師なし (unsupervised) アルゴリズムです。対照的に、K-Nearest Neighbors (KNN) は、image classification および回帰に使用される 教師あり (supervised) 学習アルゴリズムであり、近傍の多数派クラスに基づいて予測を行うためにラベル付きデータに依存します。
- K-Means と DBSCAN: どちらもデータをクラスタリングしますが、K-Means はクラスターが球形であると仮定し、事前にクラスターの数を定義する必要があります。DBSCAN は密度に基づいてデータをグループ化し、任意の形状のクラスターを見つけることができ、ノイズをよりよく処理します。これにより、クラスターの数が未知である不規則な構造を持つ datasets に見られる複雑な空間データに対して、DBSCAN が優れています。
