② 機械学習の概要 ／ 8. 教師なし学習
次元削減とは
次元削減とは、情報の本質を保ったまま変数（次元）の数を減らす処理です。計算量の削減や可視化を目的として用いられ、PCAとt-SNEの用途の違いを理解することが重要です。
この用語はG検定シラバスの「8. 教師なし学習」に含まれます。 章全体の用語は用語解説②（全62語）にまとまっています。
一言でいうと
大事な情報を保ちながら、特徴量の数を減らす処理です。
なぜ次元を減らすのか
- 次元の呪いへの対策：特徴量が多いほど必要なデータが急増し学習が難しくなる（次元の呪い）
- 計算量の削減：変数が減れば学習も予測も速くなる
- 可視化：2次元・3次元に落とせば人が目で見て確認できる
代表的な手法と使い分け
- 主成分分析（PCA）：線形手法。前処理に使え、解釈性も比較的高い
- t-SNE：非線形手法。可視化専用と考えるのが実務的
- 多次元尺度構成法（MDS）：距離の情報を保って低次元に配置する可視化手法
PCA＝前処理にも使える／t-SNE＝可視化が目的という対比を押さえておきたいところです。
特徴量選択との違い
変数を減らす方法は大きく2つに分かれます。
- 特徴量選択：既存の特徴量からそのまま一部を選ぶ。元の意味が保たれる
- 次元削減（次元圧縮）：複数の特徴量を合成して新しい軸を作る。情報は保たれるが元の意味は薄れる
PCAは後者にあたります。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| PCA | 線形。分散が最大の方向を探す。前処理にも使える |
| t-SNE | 非線形。局所的な近さを保つ。可視化が目的 |
| MDS | 距離の情報を保って低次元に配置。可視化が目的 |
🎯 G検定での押さえどころ
- 目的は次元の呪い対策・計算量削減・可視化
- PCAは線形手法で前処理にも使える
- t-SNEは非線形で可視化が目的
⚠️ よくある誤りの選択肢
- 「次元削減は必ず情報を一切失わない」→ 誤り。本質を保ちつつ一部は失われます
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「教師なし学習① 次元圧縮」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。