問題 No.1279
多数の特徴量を持つ高次元データに対して機械学習モデルを適用する際、予測精度の低下や計算コストの増大を防ぐためにデータの次元削減が行われる。このうち、データの持つ分散が最大となるような直交する新しい軸を見つけ出し、情報の損失を最小限に抑えながら少数の合成変数へとデータを要約する教師なし学習の手法はどれか。
【正解の解説】
主成分分析
データの分散を最大化する軸（主成分）を見つけ、情報を集約して次元を落とす手法です。
スポンサーリンク
【その他の選択肢の解説】
線形回帰
線形回帰は、数値の関係性を予測する手法であり、次元削減の手法ではありません。
k-means法
k-means法はクラスタリングを行う手法であり、主成分分析のような次元削減とは目的が異なります。
決定木
決定木は分類や回帰のためのアルゴリズムであり、次元削減の手法ではありません。