【G検定対策】データの中の”関係性”が見える！デンドログラム超入門

2025年6月24日

「G検定の勉強、教師なし学習ってなんだか難しそう…」「デンドログラムって言葉は聞くけど、正直よくわからない…」

そんな風に感じているあなたへ！この記事を読めば、G検定の頻出テーマでもある「デンドログラム」が、スッキリ・サクッと理解できます！

この記事を読むメリットは３つ！✨

デンドログラムが何なのか、基本的な仕組みがわかる！
デンドログラムの「見方」がわかり、データから情報を読み取れるようになる！
G検定でどこがポイントになるか、しっかり押さえられる！

専門用語はできるだけ噛み砕いて説明するので、AIや統計の知識に自信がない方でも大丈夫。一緒にデンドログラムの世界を探検してみましょう！🚀

デンドログラムって、なんのためにあるの？

まず、G検定のシラバスにもある「教師なし学習」について、簡単におさらいです。これは、データに「正解ラベル」（例えば、「これは犬」「これは猫」といった札）がついていない状態で、データの中に隠れているパターンや構造を見つけ出す技術のことでしたね。

その中でも「クラスタリング」は、教師なし学習の代表的な手法の一つ。簡単に言うと、「似ているもの同士をグループ分けする」技術です。

そして、クラスタリングには色々なやり方がありますが、「階層的クラスタリング」という方法があります。これは、データ一つひとつを小さなグループと見なし、似ている（距離が近い）ものから順番に、どんどん大きなグループへとまとめていく方法です。まるで、小さな集落が合併して町になり、さらに市になっていくようなイメージですね🏘️➡️🏙️。

ここで登場するのが「デンドログラム」です！デンドログラムは、この階層的クラスタリングが、どのようにデータをグループ化していったかの「過程」を、木の枝のような図（樹形図）で分かりやすく「見える化」したものなんです。まさに、データの「家系図」のようなものと言えるでしょう。

G検定ポイント💡 デンドログラムは「階層的クラスタリングの結果を可視化するツール」である、という点をまず押さえましょう！

デンドログラムの「見た目」を徹底解剖！

では、実際のデンドログラムはどんな形をしていて、どこを見ればいいのでしょうか？模式図を使って見ていきましょう！

デンドログラムの基本構造

デンドログラムは、主に３つのパーツからできています。

① 葉 (Leaf) 図の一番下（または左端）にある、個々のデータのことです。分析したいデータ一つひとつが、ここに配置されます。
② 枝 (Branch) データ（葉）やグループ（ノード）をつないでいる線のことです。特に縦方向の線の「高さ」が重要で、これはデータやグループ同士の「距離（似てなさ具合）」を表しています。
③ ノード (Node) 枝と枝が合流する点のことです。ここで新しいグループ（クラスター）が形成されたことを示します。

デンドログラムから何が読み取れる？

このシンプルな構造から、私たちはデータに関する色々な情報を読み取ることができます！

データの”近さ”（類似度）を知る
- 縦の枝が低い位置で合流しているデータ同士は、よく似ています（距離が近い）。
グループができる順番を知る
- デンドログラムを下から上に見上げていくと、どのデータが最初にグループになり、それが次にどのデータやグループと合流していったか、その歴史（過程）がわかります。
「ちょうどいい」グループの数を見つけるヒント
- デンドログラムのどこかで横に線を引いて（カットオフ）みてください。その線が縦の枝を何本横切るかで、データをいくつのグループに分けるかを決めることができます。
- どこでカットするのが良いかは、分析の目的によりますが、一つの目安として、縦の枝の長さが急に長くなっている（＝あまり似ていないグループ同士が無理やり結合された）箇所を探します。その直前でカットすると、比較的自然なグループ分けになっていることが多いです。

G検定ポイント💡 デンドログラムの「葉」「枝」「ノード」が何を表すか、そして「縦軸の高さ（距離）」を見て類似度やクラスタ数を判断する方法を理解しておきましょう！

G検定頻出！「ウォード法」とデンドログラムの関係

階層的クラスタリングには、実はグループを作っていくときの「ルールの違い」によって、いくつかの種類（アルゴリズム）があります。例えば、「一番近いデータ同士を優先的につなぐ方法（最短距離法）」や、「一番遠いデータ同士の距離を基準にする方法（最長距離法）」などがあります。

G検定で特によく出てくるのが「ウォード法」です。ウォード法は、グループを合体させたときに、新しいグループの中の「まとまり具合」がなるべく悪くならないように（専門的には「クラスター内の分散の増加量が最小になるように」）合体させていく方法です。できるだけ均質で、ギュッとまとまった形のグループを作ろうとする傾向があります。

ウォード法の結果をデンドログラムで見る場合、縦軸の高さは「グループを合体させたことによる、まとまり具合の悪化度（クラスター内分散の増加量）」を表すことが多いです。つまり、低い高さで結合しているほど、グループを合体させてもあまり性質が変わらなかった（＝似ている者同士だった）と解釈できます。

G検定ポイント💡 ウォード法は階層的クラスタリングの一種であり、「クラスター内の分散（まとまり具合）の増加を最小にする」という基準でグループ化を進める方法だと覚えておきましょう。デンドログラムとセットで問われることが多いです。

デンドログラムのココが良い！＆ココは注意！

デンドログラムはとても便利なツールですが、良い点と注意すべき点があります。

デンドログラムの良いところ（メリット）😊

グループ数を事前に決めなくてOK！ k-means法など他のクラスタリング手法では、最初に「グループをいくつに分けるか」を決める必要がありますが、デンドログラムなら、結果を見てから「じゃあ、ここで分けてみようかな」と判断できます。探索的な分析にピッタリ！
データの関係性がパッと見てわかる！ どのデータとどのデータが似ているか、どんなグループ構造になっているかが、視覚的に直感で理解しやすいです。複雑なデータもスッキリ整理！
グループ化の過程がわかる！ データがどのように集まって大きなグループになっていったかの「物語」が見えるので、データの類似性について深い洞察が得られることがあります。
好きな細かさでグループを見れる！ デンドログラムのカットする高さを変えれば、大まかなグループ分けから、より細かいサブグループまで、分析の目的に合わせて見ることができます。

デンドログラムの注意点（デメリット）😥

データが多いと作るのが大変…（計算コスト） データ数が非常に多い（数万、数十万以上）場合、すべてのデータ間の距離を計算して図を作るのに、とても時間がかかったり、コンピュータのメモリがたくさん必要になったりします。ビッグデータにはちょっと不向きかも。
一度くっついたら離れられない！（やり直しがきかない） 凝集型（下から上に作っていくタイプ）の階層的クラスタリングでは、一度グループとして結合されると、後から「やっぱりあっちのグループの方が良かったかも…」と思っても、やり直しがききません。最初の結合がうまくいかないと、後々に影響してしまう可能性があります。
どこで区切るかは、ちょっと主観が入るかも？ 「ちょうどいい」グループ数を見つけるためのカットオフですが、「ここだ！」という絶対的な正解があるわけではありません。分析する人の目的や解釈によって、どこで区切るかが変わる可能性があります。

G検定ポイント💡 デンドログラム（階層的クラスタリング）のメリット（クラスタ数事前指定不要、可視性）とデメリット（計算コスト、やり直し不可、主観性）をしっかり区別して覚えておきましょう！

デンドログラムは身近なところでも使われている？

デンドログラムは、実は色々な分野で活用されています。例えば…

顧客分析 スーパーやECサイトで、お客さんの購買履歴データを分析し、似たような買い物のパターンを持つ顧客グループを見つけるのに使われます。「このグループの人たちは健康志向の商品をよく買うな」「こっちのグループは新商品を試すのが好きそうだ」といったことが分かれば、それぞれに合ったキャンペーンやおすすめ商品を提案できますね！
商品分類 たくさんの商品を、その特徴（価格、機能、デザインなど）に基づいてグループ分けするのにも役立ちます。似た商品群を把握することで、品揃えの計画や、売り場のレイアウト検討に活かせます。
生物学の世界（ちょっと豆知識） 実は、生物の進化の歴史を示す「系統樹」も、デンドログラムとよく似た樹形図の一種です。どの生物とどの生物が進化的に近い関係にあるかを視覚的に表しています。（ただし、デンドログラムが必ずしも時間の流れを表すわけではない点が異なります）

このように、データの中にある「似ているもの同士の関係性」を見つけ出し、それを分かりやすく整理する、という点で、デンドログラムは強力な武器になるんです！