クラスタリング

Tunny Dashboard のクラスタリングウィジェット（Cluster Scatter 2D / 3D ウィジェット）で使用する手法の概要です。詳細な理論は、各手法の個別ドキュメントを参照してください。

クラスタリング手法

手法	役割	強み	注意点	詳細
k-means（Lloyd's アルゴリズム）	データを $k$ 個のクラスタに分割	高速、直感的、WCSS で品質評価可能	球形クラスタを仮定、局所最適解のリスク	kmeans.md

k-means の初期化戦略（Init）

k-means の初期重心の選び方です。どちらもクラスタリング手法ではなく k-means の内部設定であり、Lloyd's アルゴリズム本体（割り当て、更新、収束）は共通です。

初期化戦略	説明	適した場面
k-means++	D² 比例確率でサンプリング（Xoshiro256Plus、n・k から導出した固定シード）	局所最適を避けたい、品質優先
Deterministic	k-means++ と同じ D² 比例確率サンプリング（linfa 委譲）。シードを 42 に固定	完全な決定論的再現性が必要

分割数（k）の決め方

エルボー法は k-means を補助する手法であり、クラスタリング手法そのものではありません。 k-means を実行する前に、いくつのクラスタに分割するかを決めるために使います。

手法	役割	強み	注意点	詳細
エルボー法	クラスタ内二乗和（WCSS）の変化率から最適な $k$ を自動推定	ユーザが $k$ を指定不要	WCSS が滑らかだと推定精度が下がる	elbow.md

ワークフロー

flowchart TD
    start["クラスタリング実行"] --> sel{"k 選択モード"}
    sel -- "Elbow (Auto)" --> elbowStep["エルボー法で k=2〜max_k を総当たりし<br/>最適 k を自動推定"]
    elbowStep --> runElbow["推定した k で k-means を実行<br/>（Init 戦略を適用）"]
    sel -- "Manual" --> runManual["ユーザ指定の k で k-means を直接実行<br/>（Init 戦略を適用）"]

    init{"Init 戦略<br/>（k-means の初期化のみ異なる）"}
    init -- "k-means++" --> initA["D² 比例確率サンプリング<br/>（シードは n・k から導出）"]
    init -- "Deterministic" --> initB["同じ D² 比例確率サンプリング、<br/>シードを 42 に固定"]

入力空間の選び方