t-SNEとは
t-SNEとは、高次元データの局所的な類似関係を保ったまま2次元や3次元に可視化する手法です。非線形な構造を捉える能力が高く、可視化専用の手法として位置づけられます。
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
高次元データの「近いもの同士の近さ」を保ったまま、2次元などに描き出す手法です。
何を保とうとしているのか
t-SNEが優先するのは局所的な近さです。元の空間で近かった点は、低次元でも近くに配置されます。
一方、遠く離れたクラスタ同士の距離は必ずしも保たれません。そのためクラスタ間の距離を「どれくらい違うか」として読み取ってはいけない点に注意が必要です。
軸に意味がない
次元削減後の軸には明確な意味がありません。PCAのように「第1主成分は◯◯を表す」といった解釈はできません。
つまりt-SNEは解釈ではなく可視化が目的です。この点はG検定対策で押さえておきたいポイントです。単語埋め込みや画像特徴量の分布を目で確認する場面で使われます。
結果の見方に注意
t-SNEはパラメータの設定によって見た目の分布がかなり変わります。同じデータでも設定次第で違う印象の図になります。
また、クラスタの大きさや間隔にも意味はありません。「近いものが近くに描かれる」以上のことは読み取らないのが安全な使い方です。
🎯 G検定での押さえどころ
- 局所的な類似関係を保つ非線形手法
- 軸に意味はなく、可視化が目的
- PCA（線形・前処理にも使える）との対比
⚠️ よくある誤りの選択肢
- 「t-SNEの軸は主成分と同様に解釈できる」→ 誤り。軸に明確な意味はありません
- 「t-SNEは線形の次元削減手法である」→ 誤り。非線形手法です
📘 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。