PR

デンドログラムとは?階層クラスター分析の樹形図の見方を解説

デンドログラム データサイエンティスト検定
スポンサーリンク

はじめに

似たデータをグループ分けした結果を見て、「どのデータ同士が近いのか」「何グループに分ければよいのか」と迷うことがあります。デンドログラムは、データが段階的にまとまっていく様子を枝で表す図です。この記事では、枝が結合する高さの意味と、図を横線で区切ってグループを読み取る方法を解説します。

この記事で分かること

  • デンドログラムの葉・枝・結合の高さが表すもの
  • 横線を引いてクラスター(グループ)を読み取る方法
  • 樹形図から分かることと、読み間違えやすい点

デンドログラムとは

デンドログラム(樹形図)とは、階層クラスター分析でデータが結合していく順序と、その結合の高さを表す図です。クラスターは、似たデータをまとめたグループを意味します。

一般的な凝集型の階層クラスター分析では、最初は各データが1つずつ別のクラスターです。近い組から順に統合され、最後はすべてが1つにつながります。デンドログラムを見ると、どの組が早くまとまり、どの段階で大きなグループ同士が結合したかをたどれます。

図の下端に並ぶ葉は元のデータです。葉から伸びる枝はデータやクラスターのつながりを表し、枝が横につながる位置が結合点です。上方向へたどるほど、より大きなクラスターにまとまります。

枝と結合の高さの読み方

デンドログラムを読むときは、枝が横につながる高さに注目します。例えば、高さ1でAとBが結合し、高さ6で別のグループと結合する図なら、AとBは低い位置で先にまとまったことが分かります。

高さは、階層クラスター分析で使用した距離や結合基準に対応する値です。ただし、値の意味はデータの尺度、距離の定義、クラスターの結合方法によって変わります。別の設定で作った樹形図の高さを、そのまま同じ物差しとして比較しないことが大切です。

また、横軸の葉の左右の並びや間隔は、通常、データ間の距離そのものを表しません。隣に描かれているから必ず最も似ている、とは判断せず、枝の結合位置と高さを確認しましょう。

簡単な例でクラスターの切り方を読む

1次元の4つのデータ、A=0、B=1、C=4、D=6を考えます。ここでは、2つのクラスター間で最も遠いデータ同士の距離を採用する完全リンク法(最長距離法)を使った例です。まずAとBが高さ1で、次にCとDが高さ2で結合し、最後に2つのグループが高さ6で結合します。

AとBは高さ1、CとDは高さ2で結合し、両グループは高さ6で結合するデンドログラム。高さ3の横線ではA・BとC・Dの2グループに分かれる。
図1 A・B・C・Dのデンドログラム。破線は高さ3の切断位置を示します。

グループ分けを読み取るには、図を任意の高さで水平に切ると考えます。切断線をまたいで上側でつながる枝は、まだ別のグループとして扱います。上の図では高さ3で切ると、「A・B」と「C・D」の2クラスターです。切断線より下にあるA・Bの枝とC・Dの枝は、それぞれ一つのまとまりとして残ります。一方、両グループが合流する高さ6の結合は切断線より上なので、まだ同じグループにはしません。高さ1より低い位置で切れば4クラスター、6より高い位置なら1クラスターになります。

切断する高さ読み取るグループクラスター数
0.5A/B/C/D4
3A・B/C・D2
6.5A・B・C・D1

このように、切断する高さによってクラスター数が変わることがデンドログラムの重要な特徴です。大きく結合の高さが変わる部分は切断位置を考える手がかりになりますが、どこで切るのが適切かは分析目的も考えて判断します。

読み間違えやすいポイント

デンドログラムは「どのデータがどの順序でまとまったか」を視覚化したものですが、それだけでグループ分けの正しさを証明する図ではありません。特に次の点に注意します。

  • 葉の左右の距離を似ている度合いと混同しない。 重要なのは枝の結合関係です。
  • 高い結合点ほど、必ず“正しい境界”とは考えない。 切断位置は目的やデータの特徴に合わせて決めます。
  • 距離や連結方法の違いを無視しない。 同じデータでも設定を変えると、枝の形や高さが変わることがあります。

連結方法については、古い説明で混同されやすい点があります。重心法とウォード法(Ward法)は別の方法です。重心法はクラスターの重心同士の距離を用い、Ward法は統合に伴うクラスター内のばらつきの増加を小さくする考え方を用います。ここではそれぞれの計算方法には踏み込まず、「図の高さは採用した方法に依存する」と押さえれば十分です。

なお、階層クラスター分析そのものと、クラスター数を先に指定するk-meansの使い分けについては、階層クラスター分析とk-meansの違いで解説しています。

まとめ

デンドログラムは、データが結合する順序と高さを示す樹形図です。 下の葉から枝をたどり、横につながる高さを見ることで、どのデータが先にまとまったかを読み取れます。任意の高さで水平に切れば、その位置でのクラスター数とグループ構成も分かります。

ただし、葉の左右の近さをデータ間距離と混同せず、結合方法や距離の設定を確認して読むことが重要です。図の形だけで分割数を決めるのではなく、分析目的と合わせて活用しましょう。

関連記事


タイトルとURLをコピーしました