問題 No.2282
多次元データの持つ情報を可能な限り保持したまま、より低次元の空間へデータを写像することで、データの視覚化や過学習の抑制に寄与する手法の総称として、最も適切なものはどれか。
【正解の解説】
次元圧縮
地球儀という立体（高次元）を平らな世界地図（低次元）に縮めるようなものです。情報は少し削られますが、大まかな位置関係や全体像をひと目で把握できるようになります。機械学習では、データの持つ複雑な特徴をスリム化し、計算コストを下げつつ予測精度を安定させるために欠かせない重要テクニックです。
スポンサーリンク
【その他の選択肢の解説】
正則化
これは「正則化」の説明であり、データの列数そのものを減らす次元圧縮とはアプローチが異なります。正則化は数式のパラメータ（係数）の大きさを制限してグラフの曲線をなだらかにするのに対し、次元圧縮はデータの変数自体をまとめて減らすため、目的やアプローチの根本的なレイヤーが違います。
特徴選択
これは「特徴選択」の説明です。特徴選択は不要な列を「完全に切り捨てる（消去する）」のに対し、正解の次元圧縮は複数の列を「合成して新しい軸を作る」点が決定的な違いです。初学者は変数を減らすという意味で混同しやすいので、新しい変数を作るか既存から選ぶかの違いとして押さえましょう。
標準化
これは「標準化」の解説です。単位の違うデータ（例えば身長の「cm」と体重の「kg」）を同じ土俵で比較できるように変換するものであり、データの持つ次元（列の数）そのものを減らしているわけではありません。前処理の段階で行う作業ですが、次元を圧縮する効果はない点に注意が必要です。