機械学習の基礎
主成分分析(PCA)の説明として、適切なものはどれか。
- A正解のラベルを最もよく予測できる特徴量をいくつか選び出し、それ以外の特徴量はすべて捨ててデータを小さくする
- Bデータを、似たもの同士が同じグループになるように、あらかじめ決めた数のグループに分ける
- Cデータのばらつき(分散)が最も大きくなる方向から順に、互いに直交する新しい軸を求め、少ない軸でデータを表す
答えと解説を見る
正解：C. データのばらつき(分散)が最も大きくなる方向から順に、互いに直交する新しい軸を求め、少ない軸でデータを表す
主成分分析は、多数の変数をもつデータを、情報をできるだけ失わずに少ない変数で表す、次元削減の代表的な方法です。データの分散が最も大きくなる方向を第1主成分、それと直交する方向のうち分散が最も大きくなる方向を第2主成分のように順に求め、上位のいくつかの主成分だけでデータを表します。正解のラベルを使わない教師なし学習の一種で、データの可視化や学習の前処理に使われます。変数ごとに単位や大きさが違うと値の大きな変数に結果が引っ張られるので、事前に標準化することが多いです。
- A. ラベルを使って特徴量を選ぶのは特徴選択です。主成分分析はラベルを使わず、元の変数を組み合わせた新しい軸を作ります。
- B. クラスタリング(k平均法など)の説明です。
- C. 正しい。分散の大きい方向から順に、互いに直交する軸(主成分)を求めます。