解説

顧客をグループに自動分類する「クラスタリング」は、正解ラベルなしでデータの内部構造を発見する教師なし学習の代表的なユースケースです。 選択肢Aの教師あり学習には正解ラベルが必須であり、本問のようなラベルなしデータには適用できません。 選択肢Bの教師なし学習は、正解ラベルなしでデータのパターンや構造を発見する手法で、クラスタリングはその代表例です。本ユースケースに最も適しています。 選択肢Cの強化学習は報酬信号をもとにエージェントが行動を最適化する手法であり、顧客グループ分類には使いません。 選択肢Dの半教師あり学習は少量のラベル付きデータと多量のラベルなしデータを組み合わせる手法であり、本問のように完全にラベルなしの場合には適しません。