医療現場で「マッチョな小林さん」と「抹茶が好きな小林さん」が同時に来たときみたいに、名前が似ていてややこしい二人がいることがありますよね。
機械学習界にもそんな小林さんがいます。

その名も、 k平均法（k-means） と k近傍法（k-Nearest Neighbor, k-NN）。

でも実は役割が全然違うんです。

k平均法は「教師なし学習」ですが、k近傍法は「教師あり学習」なのです。
では、実際にどう違うのでしょうか？

実際に見てみましょう。レッツゴーーー！！！

「教師あり学習」「教師なし学習」って何だ！？という方は過去記事をご覧ください。

---

k平均法：教師なし学習

• やること：正解のないデータを、似た者同士でグループ分けします。
• イメージ：健康診断データをざーっと見て、「あ、この人たちはメタボ寄りグループ、この人たちはストレス高めグループ」と勝手にクラスタ分けする感じです。
• キーワード：「正解がない」「勝手に分ける」

つまり、「みんなをなんとなく仲間分けする」係です。
何も教えなくても、勝手に分けてくれます。ありがてえ。

k近傍法：教師あり学習

• やること：新しい人が来たときに、「この人はどのタイプかな？」を既にある正解データをもとに判断する。
• イメージ：新しい患者さんを見たときに、「似た症状を持つ人が糖尿病だったから、この人も糖尿病の可能性が高い」と推測する感じです。
• キーワード：「正解のデータがある」「似た人に合わせる」

つまり、「新しく来た人を、既存の答えを参考にしてラベルづけする」係です。
ハリー・ポッターの組み分け帽子はこっちに近いかもしれませんね。スリザリンは嫌だ…スリザリンは嫌だ

まとめ

• k平均法：正解なし → グループ分け（クラスタリング）
• k近傍法：正解あり → 新しいデータにラベルをつける（分類）

同じ「k」がついていても、

• k平均法は「グループ分け遊び」
• k近傍法は「相談して決めるタイプの判定」

こう覚えるとスッキリです！

それじゃ、また他の記事でお会いしましょう！！