次元削減（次元圧縮） (G検定)

1. 定義と概要

次元削減（次元圧縮）とは、データが持つ本質的な情報や構造をできるだけ損なわないように保ちながら、特徴量の数をより少ない数に変換・圧縮する処理のことです。G検定の教材では「次元削減」と「次元圧縮」はほぼ同じ処理を指す語として扱われており、この記事でも両者を同義として扱います。

たとえば、数百種類あるセンサー値を少数の合成変数に要約する使い方が挙げられます。数十項目に及ぶ顧客の属性データを2次元の散布図（データの各点を座標軸上に配置して描いたグラフ）に落とし込んで可視化するのも、身近な例といえるでしょう。

従来、機械学習では特徴量を増やすほどモデルの表現力が上がり、精度も向上すると考えられがちでした。しかし特徴量を増やしすぎるとデータ空間がまばら（疎）になり、十分な精度を得るために必要なデータ量が指数関数的に増えてしまう次元の呪い（特徴量の数が増えるほど必要なデータ量が指数関数的に増え、モデルの性能が落ちる現象）が生じます。

この現象は計算コストの増大だけでなく、汎化性能（学習に使っていない未知のデータに対しても正しく予測できる能力）の低下も招きます。こうした課題に対処する前処理として次元削減が定着し、あわせてデータの可視化やノイズ除去といった目的にも応用範囲が広がってきました。特徴量の数をむやみに増やすのではなく、本質的な情報を見極めて整理する発想へと重心が移ってきた流れです。

2. 試験対策ポイント

まず整理したいのは、次元削減の目的です。代表的な論点は、次元の呪いの回避による汎化性能の維持、計算量やメモリの削減、データを2次元・3次元に落とし込んで人の目で確認できるようにする可視化、そして過学習（オーバーフィッティング。学習データに適合しすぎて、未知のデータへの予測精度が落ちてしまう状態）の抑制につながるノイズ除去の4点です。

手法は、特徴選択（既存の特徴量の中から予測に役立つものだけをそのまま選び出す方法）と、特徴抽出（既存の特徴量を組み合わせて、新しい少数の特徴量を作り出す方法）という2つのアプローチに大別されます。次元削減という言葉が指すのは主に特徴抽出のアプローチであり、この位置づけは次元削減を理解するうえでの中心的な分類軸です。

特徴抽出はさらに線形手法と非線形手法に分かれます。それぞれの代表例と向いている場面を並べると、次のように整理できます。

分類	代表的な手法	向いている場面
線形手法	PCA・SVD	データ全体の分布構造を保ちたい場合
非線形手法	t-SNE・オートエンコーダ	データが曲がった構造を持つ場合

線形手法にあたる主成分分析（PCA。分散（データのばらつきの大きさを表す指標）が最大になる方向を見つけて情報を要約する代表的な手法）は、データ全体の分布構造を保つのに向いた手法です。同じ線形手法である特異値分解（SVD。行列を分解して重要な成分だけを取り出す計算手法）も、同様の性質を持ちます。

一方、非線形手法にあたるt-SNE（データ同士の近さをできるだけ保ちながら2次元・3次元に落とし込む手法）やオートエンコーダ（ニューラルネットワークにデータの圧縮と復元を学習させる仕組み）は、データが曲がった構造を持つ場合に有効とされます。この曲がった構造は、多様体（高次元データの中に隠れた、曲がったり折れ曲がったりした形の構造）と呼ばれるものです。

さらに、多次元尺度構成法（MDS。データ同士の距離関係をできるだけ保ったまま低次元に配置する手法）も、PCA・SVD・t-SNEと並んで可視化目的の代表的な選択肢として扱われます。各手法そのものの仕組みは、それぞれ個別のテーマとなるため、ここでは立ち入りません。

3. 関連概念との比較・相違点

次元削減は、次元の呪い・特徴選択・特徴抽出といった語と隣り合わせで登場します。取り違えやすいこれらの語について、何を指すのかと次元削減との関係を並べると、次のとおりです。

用語	何を指すか	次元削減との関係
次元の呪い	特徴量が増えるほどデータ空間がまばらになり、必要なデータ量が指数関数的に増えてしまう現象	次元削減が対処する課題の側
特徴選択	既存の特徴量の中からそのまま一部を選び出す方法	特徴量を減らす点は共通。新しい特徴量は作らない
特徴抽出	既存の特徴量を組み合わせて新しい少数の特徴量を作り出す方法	次元削減という言葉が主に指すアプローチ

次元の呪いとの最大の違いは、課題と対策という関係にある点です。次元の呪いは現象そのものを指すのに対して、次元削減はその現象に対処するための手法にあたります。次元削減は次元の呪いへの主要な対処法の一つに位置づけられ、原因となる現象と、それに対応する手法という関係にあります。

特徴選択との最大の違いは、新しい特徴量を作るかどうかという点にあります。次元削減、より正確には特徴抽出は既存の特徴量を組み合わせて新しい特徴量を作り出すのに対し、特徴選択は既存の特徴量をそのまま一部だけ残します。どちらも特徴量の数を減らす手段という点では共通していますが、新しい特徴量を作るか作らないかという分かれ目が両者を区別する基準になります。

4. ビジネス・実務での活用シナリオ

マーケティングや顧客分析の現場では、年齢・購買履歴・行動履歴など数十項目に及ぶ顧客の属性データを2〜3次元に次元削減して散布図に描く事例があります。人の目でそのまま把握するのが難しい多次元のデータも、次元削減によって視覚化すると似た傾向を持つ顧客の集団が見つけやすくなり、探索的なセグメントの発見に役立つものです。

画像や信号データの前処理でも、次元削減は使われています。高解像度の画像や大量のセンサー波形はそのままだと特徴量の数が膨大になるため、次元削減によって本質的な特徴だけを圧縮して残すことで、学習や推論（学習済みモデルを使って答えを出す処理）にかかる計算量を抑えられます。あわせて、本質的でない揺らぎであるノイズの影響も減らせるため、モデルの安定性にもつながるでしょう。

製造業の異常検知や設備保全の分野では、正常なデータを次元削減して得た低次元の表現から大きく外れるデータ点を、異常の兆候として検知する手法があります。センサーの種類が多い設備であっても、次元削減によってデータの本質的な傾向を少数の変数に集約できるため、限られた正常データからでも異常の傾向をつかめます。

個々のセンサー値を逐一見比べるのではなく、集約した少数の変数で傾向を捉える点が、この分野での次元削減の実務上の意義です。

5. 要点まとめ

• 次元削減（次元圧縮）は、データの本質的な情報をできるだけ保ちながら特徴量の数を減らす処理で、次元の呪いの回避・計算量削減・可視化・ノイズ除去が主な目的です。
• 手法は既存の特徴量から選ぶ特徴選択と、新しい特徴量を作る特徴抽出に大別され、次元削減は主に特徴抽出に位置づけられます。
• 特徴抽出はさらに線形手法（PCA・SVD）と非線形手法（t-SNE・オートエンコーダ）に分かれ、MDSのような距離関係を保つ手法も可視化目的で並んで扱われます。

6. 確認問題