機械学習における教師なし学習のクラスタリング

教師なし学習は、正解ラベルが付与されていない入力データから、データの背後にある構造・パターン・類似性などを自律的に見つけ出す機械学習の手法です。 クラスタリング（$k$-means法や階層型クラスタリングなど）は、データ同士の距離や類似度に基づいて似たもの同士を同一グループにまとめる教師なし学習の代表的な手法です。 サポートベクターマシン（SVM）などに代表される、正解ラベル付きデータから分離境界を学習してクラス判別を行う「教師あり学習（分類）」の手法です。 モンテカルロ法は、乱数を用いた確率的試行を多数回繰り返して近似解を得る数値計算・シミュレーション手法であり、機械学習アルゴリズムそのものではありません。 回帰分析は、過去の入力と連続値出力の関係を数式モデルで近似し、新たな入力に対する予測を行う「教師あり学習（回帰）」の手法です。

AIの機械学習における教師なし学習で用いられる手法として，最も適切なものはどれか。

出典令和元年 秋期 応用情報技術者試験 午前 問4
ア
幾つかのグループに分かれている既存データ間に分離境界を定め，新たなデータがどのグループに属するかはその分離境界によって判別するパターン認識手法
イ
数式で解を求めることが難しい場合に，乱数を使って疑似データを作り，数値計算をすることによって解を推定するモンテカルロ法
ウ
データ同士の類似度を定義し，その定義した類似度に従って似たもの同士は同じグループに入るようにデータをグループ化するクラスタリング
エ
プロットされた時系列データに対して，曲線の当てはめを行い，得られた近似曲線によってデータの補完や未来予測を行う回帰分析