教師なし学習とは、正解ラベルのないデータから、似ているもの同士のまとまりや特徴的なパターンを見つける機械学習の手法です。答えを当てるのではなく、データの構造を整理して理解しやすくする用途で使われます。
教師なし学習は、分類基準がまだ固まっていない段階や、そもそも正解を定義しにくい課題で力を発揮する手法です。顧客の行動パターンをグループ分けしてセグメントを作ったり、購買傾向の似た商品群を見つけたりすると、次の施策や追加分析の切り口になるでしょう。
代表例はクラスタリングで、データを自動的に複数グループに分けます。ほかにも次元削減で特徴を少ない軸にまとめ、可視化やノイズ除去に活かす方法があります。異常検知でも「通常の分布」から外れたデータを見つける目的で教師なし学習が使われることが多いです。
教師なし学習は、結果に対する正解がないため、評価と解釈が難しくなりやすいです。クラスタ数や前処理の違いで結果が変わるため、目的と利用シーンを先に決め、業務の実態と照らして妥当性を検証する必要があります。分析結果を施策につなげる場合は、各クラスタの特徴を言語化し、誰が見ても同じ理解に近づける工夫が重要です。
