高次元のデータを2次元の図に配置して可視化する手法である、多次元尺度構成法(MDS)とt-SNEに関する説明として、最も不適切なものを1つ選べ。
正解と解説を見る
解説
正解 C
この問題の論点：MDSとt-SNEが保つ構造
ポイント
t-SNEは近いデータどうしの関係を優先して保つ手法です。図の上のクラスタの大きさや、クラスタ間の距離をそのまま読むのは危険です。
選択肢ごとの解説
- A
適切
MDSは、各データの特徴量がなくても、ブランドどうしの似ていなさを尋ねた調査結果のような距離の行列から配置図を作れます。距離の大小関係を図の上でなるべく再現します。
- B
適切
t-SNEは、近いデータどうしが図の上でも近くに来るように配置します。似たデータの集まりが塊として現れやすく、クラスタの有無を目で確かめる用途に向きます。
- C
不適切 正解
t-SNEは局所的な関係を優先し、密度の違いをならすように配置します。図の上のクラスタの大きさや、離れたクラスタどうしの距離は、元の空間の関係を表すとは限りません。
- D
適切
パープレキシティは、各データの近傍をどの程度の範囲で考えるかを調整する値です。値や乱数を変えると図の見え方が変わるため、複数の設定で確かめるのが安全です。
補足
t-SNEの名前のtは、低次元側の類似度の計算にt分布を使うことに由来します。裾の重いt分布を使うと、離れたデータどうしを図の上で十分に引き離せるため、点が中央に詰まりすぎる問題が和らぎます。
試験での狙われ方
MDS、t-SNE、主成分分析の違いを、何を保つ手法か（全体の距離、局所的な関係、分散）という観点で問う形が典型です。
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目8 教師なし学習）
- Kruskal, Multidimensional Scaling by Optimizing Goodness of Fit to a Nonmetric Hypothesis, Psychometrika 29 (1964)
- van der Maaten and Hinton, Visualizing Data using t-SNE, JMLR 9 (2008)
- Wattenberg, Viégas and Johnson, How to Use t-SNE Effectively, Distill (2016)