最終更新日：2026年8月26日
gk unsupervised_learning
G検定トップ
＞ MDS（多次元尺度構成法）とは？G検定対策
まず結論
MDS（多次元尺度構成法）は、データ間の距離や非類似度をできるだけ保ちながら、データを低次元空間へ配置する手法です。
G検定では、
距離・非類似度の関係を低次元で再現 → MDS
と判断します。
直感的な説明
都市間の距離だけを渡されて、地図を作るイメージです。
元の座標が分からなくても、
- AとBは近い
- AとCは遠い
といった距離関係から、似た位置関係になるよう低次元へ配置します。
定義・仕組み
MDSでは、データ間の距離行列や非類似度をもとに、低次元空間での距離が元の関係に近くなるよう点の座標を求めます。
代表的な古典的MDSではユークリッド距離との関係を利用します。MDSには複数の種類があり、入力する非類似度や最適化基準によって性質が異なります。
いつ使う？（得意・不得意）
- 高次元データの可視化
- 距離・類似度だけが与えられているデータの配置
- 対象同士の位置関係を探索したい場面
軸そのものにPCAの主成分のような明確な意味があるとは限りません。また、入力距離の定義が不適切なら配置も有用になりにくいです。
G検定ひっかけポイント
- ❌「MDSは教師あり分類手法」→ 次元削減・可視化
- ❌「分散最大化が中心」→ PCA
- ❌「近傍確率を使うことが定義」→ t-SNEとの混同
- ⭕「距離行列・非類似度から低次元配置」→ MDS
- ⭕「元の距離関係をなるべく再現」→ MDS
まとめ（試験直前用）
- MDS＝距離・非類似度をもとに低次元へ配置
- 教師なしの次元削減・可視化手法
- 分類器ではない
- PCAは分散、MDSは距離関係が判断軸
- 距離行列から地図を作るイメージ