問題 No.2832
機械学習の前処理において、多次元データの情報量を維持したまま変数の数を削減する手法であり、主成分分析（PCA）やt-SNEなどが代表例として挙げられる処理として、最も適切なものはどれか。
【正解の解説】
次元圧縮
たくさんの荷物が入った大きな段ボール箱を、ギュッと圧縮して小型のスーツケースに詰め替えるようなイメージです。中身の大切な洋服（情報）の組み合わせを工夫しつつ、かさばる体積（次元）を減らすことで、AIの学習効率を劇的に高めることができます。
スポンサーリンク
【その他の選択肢の解説】
特徴選択
次元圧縮が変数同士を合成して新しい要約変数を作るのに対し、特徴選択は不要な変数を完全に「削ぎ落とす（捨てる）」点が決定的な違いです。初学者は変数の数を減らすという結果だけを見て混同しやすいので注意が必要です。
正則化処理
正則化は変数の数を減らすのではなく、モデルが複雑になりすぎてテストデータに柔軟に対応できなくなる現象（過学習）を防ぐための技術です。データの前処理で変数を減らす次元圧縮とはアプローチの目的が異なります。
規格化処理
規格化は「身長（cm）と体重（kg）」のように単位の違うデータの大きさを揃える作業であり、変数の数そのものを削減するわけではありません。情報量を維持したまま変数をまとめる次元圧縮とは処理の目的が全く異なります。