問題 No.710
多次元データ（特徴量が多いデータ）は扱いが難しく、可視化や計算効率化のために重要な情報だけを残してデータの次元を減らす必要がある。この際、データの分散が最大になるような軸を見つけることで、主要な情報を保持したまま低次元化する手法はどれか。
【正解の解説】
主成分分析（PCA）
主成分分析（PCA）とは、たくさんのデータの特徴を、情報の損失を最小限に抑えつつ、ばらつきが最も大きい方向を新しい軸として見つけることで、データの次元を減らす手法です。複雑な情報を要約する「情報のダイエット」のようなものです。
スポンサーリンク
【その他の選択肢の解説】
ランダムフォレスト
ランダムフォレストとは、たくさんの決定木（判断の木）を組み合わせ、それぞれの投票結果を集計することで精度を上げる、アンサンブル学習の一種です。
SVM
サポートベクターマシン(SVM)とは、データとデータの境界線を引く際、境界線に最も近いデータ点との距離（マージン）が最大になるように分類を行う手法です。
勾配ブースティング
勾配ブースティングとは、弱い予測モデルを次々と作成し、前のモデルが間違えた部分を次のモデルが補完していくことで、全体の精度を段階的に高めていく手法です。