分散データに対する統合的なクラスタリングの提案

自治体住民のライフスタイルデータを題材に

抄録

近年、機械学習や統計解析、さらには因果推論を目的として、生データを共有せずに統合的な解析を行うことができるデータコラボレーション（DC）解析に関する研究が盛んにおこなわれている。本研究は、新たな応用技術としてDCクラスタリングを提案する。自治体住民のライフスタイルアンケートを用いた技術評価では、先行研究で用いられた自治体内に実在する11のコミュニティのいずれかに属する住民のデータ（n=2763）に対して、以下の3種類のクラスタリングを行う。（1）自治体住民全員の生データを共有した集中クラスタリング、（2）コミュニティを超えて生データを共有できないことを想定した個別クラスタリング、（3）生データを次元削減したデータを共有したDCクラスタリング、の3つの方法を実施し、それぞれのクラスタリングによる分類精度を検証する。本研究の技術評価の結果、我々が提案する（3）は明らかに（2）よりも分類精度を向上させるとともに、（1）と同程度の分類精度を実現できた。したがって、DCクラスタリングは、プライバシーを保護した上で、分散データによるクラスタリングを行う際の有用なアプローチとして期待される。