最終更新日：2026年8月26日
gk unsupervised_learning
G検定トップ
＞ t-SNEとは？高次元データを可視化する次元削減手法【G検定】
まず結論
t-SNEは、高次元データの近傍関係（局所構造）を低次元で表現することを重視した非線形次元削減手法です。
2次元・3次元での可視化に広く使われます。
G検定では、
- 近い点同士の関係を重視
- クラスタ間の遠さをそのまま解釈しない
- 軸そのものに意味を求めない
を押さえます。
直感的な説明
t-SNEは、高次元空間で「ご近所だった点」が、低次元でもなるべくご近所になるように配置する地図づくりのようなものです。
そのため、局所的なまとまりを見るのは得意ですが、
図で離れている2クラスタは、元空間でもその距離だけ離れている
とは限りません。
定義・仕組み
高次元空間と低次元空間の近傍関係を確率的に表し、それらの分布が近くなるよう低次元配置を最適化します。
特徴は次のとおりです。
- 非線形次元削減
- 局所構造を重視
- 結果は初期値やperplexityなどの設定に影響される
- 新しい点への変換をPCAのような単純な線形写像として得る手法ではない
いつ使う？（得意・不得意）
向いている場面
- 高次元特徴量の2次元・3次元可視化
- 埋め込み表現の近傍構造を見る
- クラスタらしいまとまりを探索的に確認する
注意点
- t-SNEは分類器ではない
- 可視化以外に使えないと定義されるわけではないが、代表用途は可視化
- クラスタの大きさやクラスタ間距離を定量的にそのまま比較しない
G検定ひっかけポイント
- ❌「教師あり分類アルゴリズム」→ 次元削減
- ❌「大域的な距離を正確に保存する」→ 近傍関係を重視
- ❌「離れたクラスタほど元空間でも必ず遠い」→ 過度な解釈
- ⭕「近傍関係・局所構造」→ t-SNE
- ⭕「高次元特徴の2D可視化」→ t-SNEの代表用途
まとめ（試験直前用）
- t-SNE＝局所構造重視の非線形次元削減
- 高次元データの可視化に広く使う
- 分類器ではない
- クラスタ間距離や軸をそのまま解釈しない
- 近所関係を見せる地図と覚える