戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

151

6

章

類似度、近傍、クラスタ

基本コンセプト：

• データで表現された対象の類似度を計算する

• 類似度を使った予測

• 類似度に基づくセグメンテーションとしてのクラスタリング

代表的技法：

• 類似要素の検索

• 最近傍法

• クラスタリング手法

• 類似度計算に用いる距離基準

類似度（

Similarity

）は、データサイエンス上の手法やビジネス上の課題解決に幅広く利

用されています。ある

2

つの物事（人、企業、商品など）に類似する点がある場合、他にも

共通する特徴を持っていることが多いものです。データマイニングでは、類似度に基づいて

グルーピングをしたり、「適切な」類似度となる基準を探すといったことが基礎的な手法と

してよく用いられます。いままでの章でも間接的に類似度を扱ってきました。例えばモデリ

ングの過程では、境界を作成して目的変数に近い値のインスタンス群をグルーピングしまし

た。この章では類似度を直接取り上げながら、それがデータマイニング上のさまざまなタス

クにどう適用できるかを説明していきます。専門的な説明をしている節もありますが、数学

の知識のある方がより深く理解できるようにと設けたものですので、読み飛ばしても構いま

せん。

類似する事例を集めて何らかの推論を行うという方法は、ビジネス上のさまざまな問題に

対して用いられています。

•

時として類似する事例を直接探したくなることがあります。例えば、

IBM

は既存の

優良顧客に類似する企業を見つけ出し、営業担当者にそうした企業を見込み客として

152 ...