次元削減とオートエンコーダ

問題

オートエンコーダによる次元削減について、以下の記述のうち誤りを1つ選べ。

オートエンコーダは、多次元データを2次元や3次元などに圧縮し、可視化や特徴抽出を行う「次元削減」の手法として非常に優れています。

古典的な次元削減手法であるPCA（主成分分析）が「線形」なデータ変換しかできないのに対し、オートエンコーダはニューラルネットワークの活性化関数による「非線形」な変換が可能です。

そのため、データが複雑に分布している場合でも、より柔軟に本質的な特徴を抽出・圧縮することができます。

1. オートエンコーダは非線形な特徴抽出が可能で、PCAより柔軟な次元削減ができる。

正しい：活性化関数（ReLUなど）を用いることで非線形な変換が可能になり、線形変換しかできないPCAよりも複雑なデータの次元削減に適しています。

2. オートエンコーダは画像や音声などの高次元データにも適用できる。

正しい：画像（数万ピクセル）や音声など、そのままでは扱いが難しい高次元のデータを、AIが処理しやすい低次元の特徴ベクトルに圧縮するのに広く使われます。

3. オートエンコーダは入力を圧縮する際、必ず情報を完全に保持する。

誤り：入力よりも次元の少ない中間層を通す（情報にボトルネックを設ける）ため、細かなノイズなどの一部の情報は失われます。情報を完全に保持することはできません。

4. オートエンコーダは可視化や特徴量選択にも利用される。

正しい：高次元データを2〜3次元に圧縮してグラフ上にプロットする（可視化）ことや、ノイズを除去した本質的な特徴量のみを取り出して他の機械学習タスクに入力する（特徴量抽出）ために利用されます。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ