主成分分析（PCA）とは

まず押さえる結論

主成分分析（PCA）は、G検定の「大項目3 機械学習の概要」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。

具体例から判断の境界を固める

主成分分析（PCA）を、役割と隣接概念の境界から捉える

データの分散が最大となる新たな軸を見つけ、情報の損失を抑えながら少ない変数で表現し直す教師なし学習の次元削減手法。 試験では名称だけでなく、処理の対象、目的、使う段階を別概念と入れ替えた選択肢が出るため、定義の主語と動作を分けて確認します。

問題文で見る箇所

データの分散が最大となる新たな軸を見つけ、少ない変数で表現し直しているかを確認します。

隣接概念との境界

主成分分析（PCA）は次元削減の手法、k-means法はラベルなしデータをグループ分けするクラスタリング手法という点で区別します。

誤答しやすい選択肢

• ×主成分分析（PCA）を、データをグループに分けるクラスタリングの手法として扱う。定義の主語と処理対象を確認します。
• ×主成分分析（PCA）の目的だけを見て、同じ目的を持つ別手法まで同じ用語とする。具体的な処理を比較します。
• ×主成分分析（PCA）を使えば目的が必ず達成されると断定する。適用条件や評価を別に確認します。

4段階の判断手順

1. 01問題文が状態、手法、評価指標、制度のどれを説明しているか決める。
2. 02定義の中心となる対象と動作が主成分分析（PCA）に一致するか確認する。
3. 03隣接概念と共通する目的ではなく、処理や条件の違いを見る。
4. 04必ず・完全に・だけでよいという過度な断定がないか見直す。

到達条件: 主成分分析（PCA）を一文で説明し、最も混同しやすい隣接概念との違いを処理または条件から言える。

試験での問われ方

誤答しやすいポイント

関連する確認問題

同じ章で確認したい用語