【G検定過去問風テスト】高次元データの可視化に強い「t-SNE」の特徴とPCAとの違いを解説！

2026年7月22日 2026年7月22日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

高次元データを2次元や3次元に削減して可視化するための手法であり、元の高次元空間で「近い距離にあるデータ同士の位置関係（ローカルな構造）」を、低次元空間に投影した後もできる限り維持するように変換を行う「非線形」の次元削減アルゴリズムとして、最も適切な選択肢を1つ選べ。

A）主成分分析（PCA）
B）t-SNE
C）ウォード法
D）特異値分解（SVD）

🔍 ここをクリックして正解を見る

正解: B）t-SNE

💡 合格に近づく！徹底解説

重要度: ★★★

■ 1分で分かる！この問題の要点

t-SNEは、高次元データの「近所づきあい（ローカルな関係性）」を崩さずに低次元へとプロットする非線形の次元削減手法。
直線的な削減しかできないPCA（主成分分析）とは異なり、複雑に絡み合ったデータでも人間の目で捉えやすいようきれいに2D/3D可視化できるのが強み！

■ 初学者向け解説（例え話や背景）

t-SNE（ティースニー）は、「仲良しグループの距離感を崩さずに2次元の地図へ配置し直す技術」に例えられます。

高次元世界で「とても仲が良くてすぐ近くにいたデータたち（ローカルな構造）」は、2次元のグラフ上に落とし込んだ後も、しっかりお互いの近くにぎゅっと集まるように配置されます。
試験では「非線形である」「元の空間で近かったデータ同士の関係（近接関係・ローカルな構造）を維持する」という2点が頻出ターゲットになります！