特異値分解（SVD）の理解

問題

特異値分解 (SVD)に関する記述として正しいものを1つ選べ。

特異値分解（SVD：Singular Value Decomposition）は、行列（データのまとまり）を「左特異ベクトル（行の性質）」「特異値（重要度）」「右特異ベクトル（列の性質）」という3つの行列の掛け算に分解する数学的手法です。

データの中から本質的な情報（大きな特異値）だけを残し、ノイズ（小さな特異値）を切り捨てることでデータの圧縮・次元削減を行います。

自然言語処理（LSAなど）や画像圧縮のほか、ECサイトの推薦システム（協調フィルタリングの行列分解）など、AI開発の根幹で活躍する強力なアルゴリズムです。

1. 特異値分解 (SVD)は行列を特徴×重要度×特徴に分解する

正しい：任意の行列を「直交行列（U） × 対角行列（Σ：特異値/重要度） × 直交行列（V^T）」という3つの行列の積に分解します。

2. 特異値分解 (SVD)は教師あり学習である

誤り：SVDは行列自体の構造を分解して特徴を抽出する手法であり、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。

3. 特異値分解 (SVD)は行列をランダムに生成する手法である

誤り：SVDは既存の行列を「分解」して特徴を抽出する手法です。ランダムに生成するわけではありません。

4. 特異値分解 (SVD)はレコメンドには使われない

誤り：SVDは、ユーザーとアイテムの評価行列を分解して未知の評価を予測する手法として、レコメンド（推薦）システムで非常に広く利用されています。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ