「わからないことは、近くの3人に聞く」
新しい街に引っ越して、「この町のスーパーは日曜に開いてる？」と聞かれたら、どうしますか。調べ物に出かけるより、まず近所の3軒の家に電話して「開いてた？」と聞いて、3人中2人が「開いてる」と言えば「多分開いてる」って判断する、あの感覚に似ています。
つまり、k近傍法（K-Nearest Neighbors、KNN）とは、未知のデータに対して「最も近いk個の既知データ」を探し、その大多数のクラスに属するものとして分類する、教師あり学習（正解ラベル付きのデータで訓練する手法）の分類・回帰アルゴリズムです。
実務で「k近傍」の判断が起きている場面
実は業務システムやサービスの中で、この「近傍の多数決」の発想が使われている場面がいくつかあります。
- レコメンドの「この商品の類似商品」：購入履歴のベクトル空間で、あなたに最も近いk人の購入パターンを見れば、その「近隣」が買ってたらおすすめに載せる——ECサイトの「よく一緒に買われている商品」はこの発想です
- 画像検索（逆画像検索）：写真の特徴量ベクトルで、クエリ画像に最も近いk枚を検索する。Google レンズの「似た画像を探す」の底流にある発想がこれです
- 異常検知：正常データが密集する領域から「遠すぎる（近傍のk個が異常値）」ポイントを拾う——製造ラインの検査画像で、近傍の正常品と距離が離れすぎた枚をフラグする用途です
共通して起きているのは「kという数字が”聞ける人の数”を決めている」こと。kが小さいほど近所の声に振りやすく、kが大きいほど全体的な多数決になる——このトレードオフが、後述する「kの選び方」の核心です。
決定木やSVMと”使い分け”の1行
k近傍法を説明するときに混同されやすいのは、同様に「入力→ラベル」を出力する決定木やSVM（サポートベクトルマシン）です。違いを1行ずつ押さえておくと、説明の軸がブレなくなります。
- k近傍法：「学習」がほぼない（データを全部記憶しておくだけ）。予測のたびに全データと距離を計算するため、データ量が多いと遅い
- 決定木：学習時に「どこで分岐するか」のルールを木構造に固定。予測は木を辿るだけなので速いが、ルールを間違えると一発で外れる
- SVM：分類境界（超平面）を「一番マージンが広い位置」に置く。高次元・非線形ではカーネル関数で扱う
使い分けの1行：「データが小さい・”近くで多数決”が効く場面（類似検索・レコメンド・少データ分類）はk近傍、スループット重視は決定木・SVM」と考えると、試験で「このデータ規模なら？」と問われたときに答えが出せます。
試験で”自分の言葉”が聞かれるポイント
k近傍法はG検定（基礎情報処理部門）とITパスポート（データ分析分野）の両方で出題範囲に入っています。問われ方の傾向は、定義をなぞるより「k=3で近傍3個がA:2, B:1 → 予測は？」という計算問題、あるいは「過学習しやすく、計算コストが高い」等の性質説明です。
自分の理解度を測る1つの確認方法：ノートに「k近傍法 = 近いk個に聞いて多数決。kは聞き手の数。kが小さいと近所の声に振りやすい」と3行で書き、この3行だけを見て10秒後に「k=5で近傍5個がA:3, B:2は？」と自分で出題してみてください。答えが”A”と即座に出てくるなら、自分の言葉で説明できるレベルです。
まとめ
k近傍法は「わからないことは、近くのk個に聞いて多数決」——この1枚が頭の中に貼れれば、定義・性質・使い分けの軸がすべてこの1枚から派生します。
- 今週にできる5分のアクション：手元のエクセルで、年齢・年収・購入フラグの3列データに「最も近い3行を探して多数決する」VBA（または手計算）を1回だけやってみる。この1回で「kの意味」が”聞いてる人の数”として体に刻まれます
- 試験で出たときの3語の要点：「近傍・多数決・kが聞き手の数」——この3語をそのまま答案に書けば、G検定・ITパスポートの記述問題で減点されることはまずありません
📚 さらに理解を深めたい方には、G検定の公式テキストがお薦めです！
おまけ：画像生成AIに説明させてみた
※ここからは検証コンテンツです。
画像内の説明には誤りが含まれる可能性があるため、本文の解説とは分けています。
k近傍法の「近い複数から多数決」のイメージが、ロボットと3つの 丸いポッドの組み合わせで伝わりやすく、可読性は高いです。一方、 どのポッドが多数派でどれが少数派か一目では判別しにくい点が残念です。
| 評価項目 | 点数 | コメント |
|---|---|---|
| 概念の正確さ | 3 | 多数決の方向感は伝わるがk個の選び方が曖昧です |
| 比喩の明快さ | 4 | 指差しと光の爆発で視線が定まります |
| 立体感・奥行き | 4 | 奥の温室と前景の球体で3層が確認できます |
| 映え度（SNS寄与） | 4 | 中央の光のバーストがスクロールを止めます |
| 色調の用語相性 | 3 | 成長系に合うが多数派の強調が弱いです |
| 合計 | 18 / 25 | 総合判定: 良好 |
評価基準: 1（不合格）〜5（優秀）AI Judge による自動評価
コメント