実践 機械学習システム

58

3

章 関連のある文書を見つける

うやく効率的にクラスタリングを行えるようになりました。

3.3

　クラスタリング

ついに文書の内容を適切に表現しているであろう特徴ベクトルを手にすることができました。この特

徴ベクトルを用いて、グループ分けを行うための方法はいくつも存在します。クラスタリング手法の多

くは、次の二つの手法のどちらかに該当します。それは、フラットクラスタリング（flat clustering）と

階層的クラスタリング（hierarchical clustering）です。

フラットクラスタリングは、クラスタ間の関係性は考慮せずに、データをクラスタに分類します。フ

ラットクラスタリングが行うことは単純です。それは、全てのデータがどこか一つのクラスタに属する

ように分割することです。データは類似性の高いデータ同士がグループ化され、他のクラスタのデータ

とは類似していないことが求められます。フラットクラスタリングを行うアルゴリズムは数

多く存在し

ます。その多くは、前もってクラスタの数を決める必要があります。

階層的クラスタリングでは、クラスタの数を指定する必要はありません。その代わりに、階層的ク

ラスタリングはクラスタを階層構造に組み立てます。類似性の高いデータをクラスタとしてグループ

化しますが、さらにそのクラスタと類似するクラスタをまとめて親クラスタとします。これを再帰的に

行い、クラスタが一つになるまで繰り返します。最後のクラスタは全てのデータを持つことになりま

す。階層的クラスタリングでは