データ・DX
主成分分析とは？
読み: しゅせいぶんぶんせき英語: Principal Component Analysis更新日: 2026-09-11
主成分分析とは、データの分散が大きくなる直交した軸を順に求め、少数の主成分で情報を要約する教師なしの次元削減手法です。
DS検定G検定
別名・表記: 主成分分析 / PCA / Principal Component Analysis
試験で問われるポイント
- 次元削減やデータの構造理解に使われます。
- 各主成分が全体の分散をどれだけ説明するかを寄与率で確認します。
- 軸の意味づけや情報損失に注意します。
具体例
多数のアンケート項目を少数の傾向軸にまとめて可視化します。
混同しやすい点
- 主成分分析を分類モデルと同じものとして扱う。
- 次元を減らしても情報が全く失われないと考える。
関連問題で復習
G検定機械学習の概要・具体的手法
同じ高次元データを、主成分分析（PCA）とt-SNEでそれぞれ2次元に可視化した。結果を読む際の注意として最も適切なものはどれか。
DS検定データサイエンス
標準化した3変数に主成分分析を行い、第1主成分の寄与率が60%、第2主成分が30%だった。2主成分を使う判断として最も適切なものはどれか。
G検定機械学習の概要・具体的手法
単位をそろえて標準化した多数の測定項目を、元の項目の線形結合による少数の成分へ圧縮したい。正解ラベルは使わず、データの分散をできるだけ残すことを基準とする。最も適切な手法はどれか。
生成AIパスポートAI（人工知能）
教師なし学習の例として適切なものを2つ選べ。