クラスタリングは、ラベルなしのデータから共通する特性を持つもの同士を自動的にグループ化する手法です。事前にカテゴリが決まっておらず、データの内在的な構造を発見することが目的です。教師なし学習に該当し、市場分析や顧客セグメンテーションなどで活用されます。
分類は、予め定義されたカテゴリにデータを振り分ける手法です。過去の学習データから規則性を学び、新しいデータがどのカテゴリに属するかを判定します。教師あり学習であり、スパムメール判定や病気診断など実務的な予測に用いられます。
クラスタリングは「カテゴリが未知」の状況で、データから新しい意外な分け方を発見する探索的な作業です。分類は「カテゴリが既知」の状況で、既存の枠組みに従ってデータを整理する実務的な作業です。クラスタリングは結果の解釈に工夫が必要で、分類は結果の正誤判定が明確です。
カテゴリが既に存在し判定ルールが明確ならば分類、カテゴリが不明でデータの潜在的な構造を探りたいならばクラスタリングを選択してください。ビジネス課題の段階によって使い分けることが重要です。