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: 2026-06-26
主成分分析とは、多くの変数が持つ情報を、少数の新しい軸にまとめて捉える分析手法です。
DS検定G検定
関連表記: 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。
- 教師なし学習の代表的な手法として扱われます。
- 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。