# クラスタリング (k 平均法) 分析

統計アルゴリズムを使用して、軸に関連付けられたメジャーのクラスターを表示します。

クラスタリング (k 平均法) は、機械学習の k 平均法アルゴリズムを使用して、軸の上の 2 つのメジャーの類似度によって集計されたデータ ポイントをクラスター化します。

クラスタリング (k 平均法) 分析

クラスタリング (k 平均法) 分析

クラスタリング (k 平均法)クラスタリング (k 平均法) 分析 ![平均売上原価と平均粗利益によってクラスター化された都市を示すクラスタリング (k 平均法) 分析。](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_analysis-clustering-kmeans.png)

## クラスタリング (k 平均法) 分析を作成する

次の手順を実行します。

1. [アセット] で、 [分析] をクリックします。

2. クラスタリング (k 平均法) をシートにドラッグ アンド ドロップします。

3. [軸を追加] をクリックして、軸を選択します。

4. [メジャーを追加] をクリックして、メジャーを選択します。

5. [メジャーを追加] をクリックして、2 番目のメジャーを選択します。

6. クラスターをカスタマイズするには、次を実行します。

   1. プロパティ パネルの [分析プロパティ] で、 [クラスター] を [自動] から [カスタム] に変更します。

   2. [クラスターの数] の後に、スライダーを調節してクラスターを設定します。

   3. [正規化アルゴリズム] の後に、使用するアルゴリズムを選択します。次を使用できます。

      * zscore: z-score の正規化は、機能平均と標準偏差に基づいてデータを正規化します。z-score は、各機能のスケールが同じであることを保証するものではありませんが、外れ値を処理する場合は、min-max よりも優れたアプローチです。

      * minmax: min-max の正規化は、それぞれの最小値と最大値を取得し、各データ ポイントを再計算することにより、機能が同じスケールを持つことを保証します。

      * none: 正規化はありません。

7. 必要に応じて、分析期間を追加するには、次を実行します。

   1. プロパティ パネルの [分析プロパティ] で、 [分析期間] をオンにします。

   2. [カレンダー期間] で、使用するカレンダー期間を選択します。

   3. [期間] で、使用する期間を選択します。

   情報メモ論理モードでは、分析期間にはカレンダー期間が必要です。詳細については、「[Insight Advisor でのカレンダー期間を使用した分析期間の定義](https://help.qlik.com/ja-JP/cloud-services/Subsystems/Hub/Content/Sense_Hub/BusinessLogic/business-logic-calendar.htm)」を参照してください。

8. 必要に応じて、プロパティ パネルの [スタイル] で、分析のスタイルを調整します。