主成分分析（PCA）の理解

問題

主成分分析 (PCA)に関する記述として正しいものを1つ選べ。

主成分分析（PCA：Principal Component Analysis）は、次元削減の代表的な手法です。

データの散らばり（分散）が最も大きくなる方向を見つけて新しい軸（第1主成分）を引き、次にそれと直交する方向で分散が最大になる軸（第2主成分）を引く、というプロセスでデータを低次元に圧縮します。

データセットの全体像を少ない変数（合成変数）で説明できるようにするため、アンケート結果の要約や画像圧縮など、実務でも頻繁に利用されます。

1. 主成分分析 (PCA)は分散が最大となる方向を主成分とする

正しい：データが最も広く散らばっている（分散が最大となる）方向を重要な特徴とみなし、その方向を新たな軸（主成分）として抽出します。

2. 主成分分析 (PCA)は主成分同士が相関を持つように設計されている

誤り：PCAによって抽出された各主成分（第1主成分、第2主成分など）は、互いに直交するように設計されているため、主成分同士に相関関係はありません（無相関です）。

3. 主成分分析 (PCA)は教師あり学習である

誤り：PCAはデータ自身の構造や分散を元に軸を見つける手法であり、正解ラベルを必要としない「教師なし学習」に分類されます。

4. 主成分分析 (PCA)はクラスタリング手法である

誤り：PCAはデータをグループ分けする「クラスタリング手法」ではなく、変数の数を減らす「次元削減手法」です。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ