尺度が違う変数でのクラスタ分け
J銀行は、顧客を年収(円、およそ300万〜1,500万)と年齢(歳、およそ20〜80)の2変数でk-means法を使ってグループ分けしようとしている。どちらの変数も、標準化などで尺度をそろえずにそのまま使った場合に起きることとして、最も適切なものを1つ選べ。
- A
尺度の違いを吸収するために、クラスタ数kが自動的に多く設定される
- B
k-means法は各変数の単位の影響を受けないので、尺度をそろえなくても結果は変わらない
- C
距離がほぼ年収の差だけで決まり、年齢はグループ分けにほとんど影響しなくなる
- D
値の小さい年齢のほうが距離への影響が大きくなり、年齢を中心にグループが分かれる
正解と解説を見る
正解:C
k-meansや階層的クラスタリングのように距離を使う手法では、値の幅が大きい変数が結果を支配する。そのため、事前に標準化などで尺度をそろえる。
- A
誤り。k-meansでは、クラスタ数kは分析者が事前に指定する。データの尺度によって自動で変わることはない。
- B
誤り。距離にもとづく手法なので、尺度の違いが結果に直接影響する。標準化すると、結果は一般に変わる。
- C
正しい。k-meansはユークリッド距離を使う。年収の差は数十万〜数百万の桁になり、年齢の差は数十にとどまるため、距離はほぼ年収で決まる。
- D
誤り。向きが逆である。値の幅が大きい変数ほど、距離の計算で強く効く。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。