クラスター分析による予測

クラスター分析は、サンプルをクラスター（グループ）に分ける方法です。座標の近いもの同士でクラスターを作ります。

その後は、「どういう風に分けられたのか？」、「このサンプルは、どのグループに属しているのか？」という分析をするのが一般的です。

しかし、クラスター分析の手法は、統計モデルによる予測にも使えるようになっています。

それぞれの方法は、基本的なクラスター分析から段階的に応用して出来上がっています。下の図では、「応用」を矢印で表しています。
cluster

教師なし学習としての使い方

主成分分析は教師なし学習ですが、モデルを作った時に使われていないサンプルを入力データとして、主成分がどのように計算されるのかを見る使い方があります。それと似た使い方です。

主成分分析は回帰分析などの教師あり学習の手法を使う時に、説明変数の前処理として使う使い方がありますそれと似た使い方です。

ラベルの予測の方法には、ベクトル量子化ロジスティック回帰分析があります。数値の予測の方法には、ベクトル量子化回帰分析があります。ラベル（２値データ）でも、数値（連続データ）でも使えるのものとして、ベクトル量子化平均法があります。