クラスタ分析・セグメントの数値分類
バグ・不具合を報告
匿名数値表を指定数の群に分割し、割当と分割のまとまりを評価する。
項目を入力・選択してから「計算する」を押してください。
必要な入力・選択は3項目です。
計算結果
—
- 慣性(クラスタ内平方和)
- —
- クラスター数
- —
- 観測行数
- —
- 採用した分割の反復回数
- —
値を入力して計算してください。
この計算機は使いやすかったですか?
回答はサイト改善のために保存します。入力値・計算結果は送りません。
ありがとうございます。よかったら、上の共有ボタンからこの計算機を紹介しませんか?
計算方法・適用範囲・出典
計算方法
各列jを標準化する場合はzᵢⱼ=(xᵢⱼ−平均ⱼ)/母標準偏差ⱼ(分母n、分散0なら除数1)。標準化なしなら元尺度の距離を使う。指定したk個の初期中心を観測値から決定し、最近傍中心への割当と各群の平均中心の再計算を反復(最大100回)。入力の異なる起点を最大8通り試し、収束した解のうちΣᵢ||zᵢ−μ₍群ᵢ₎||²(慣性)が最小のものを採用。シルエットは各行でa=同じ群の他行への平均距離、b=他群への平均距離の最小値、s=(b−a)/max(a,b)。単一行の群のsは0。平均sは全行の算術平均。小数丸めは表示時だけ。
群別の中心・所属行・件数、慣性(クラスタ内平方和)、平均/各行のシルエット係数。
計算例(架空の数値)
架空の2指標4行(0,0)、(0,2)、(10,10)、(10,12)を標準化なし・k=2で分けると、左2行と右2行に分かれ、中心は(0,1)、(10,11)、慣性は4です。
適用対象と限界
数値として比較できる匿名の観測行。異なる尺度は必要に応じて標準化して使用。教師あり分類、RFMの閾値指定、欠測補完、外れ値除外、カテゴリ変数、重み付き距離、最適な群数の自動決定、階層法・DBSCAN・Gaussian混合モデル・全域最適保証は扱いません。。
採用した方式
- Lloyd K-means(E276 v1.0):対象範囲 2~3次元、3~100行、k=2~8、固定8起点以下、最大100反復/適用地域 global
方法と出典
方法:Lloyd K-means / farthest-point multi-start v1.0(最大100反復、入力順再現); StandardScaler ddof=0 / silhouette(scikit-learn 1.9.0仕様照合)。データ記録日:2026-11-13。