---
title: "UMAPとは？【G検定】"
description: "UMAPについて、G検定で問われる特徴量・教師なし学習分野の観点から、特徴の捉え方、データの分布、教師なし学習で何を判断するかを整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。具体例や典型的なひっかけも意識して、試験でどの知識として使うかを押さえます。"
last_modified_at: "2026-07-06"
canonical_url: "https://stemtazoo.github.io/gk/umap/"
section: "gk"
---

## まず結論

* **UMAP**とは、高次元データの**局所構造を重視しつつ、大域構造もある程度保ちながら**低次元に可視化する**教師なし次元削減手法**。
* G検定では**t-SNEとの違い（大域構造・計算効率・再現性）**が問われやすい。

## 直感的な説明

* t-SNEは「近所の関係」をとても丁寧に描く地図ですが、街全体の位置関係は歪みがちです。
* UMAPは、

  * 近所同士はしっかり近く
  * 離れている集団は大きく離れる
    ように配置しようとします。
* 👉 **“近所も全体も、バランスよく見せる地図”**がUMAPです。

## 定義・仕組み

* UMAPは、

  * データが低次元多様体上に分布しているという仮定のもと
  * 近傍グラフを構築し
  * その構造を低次元空間で近似する
    次元削減手法です。

* 特徴：

  * 教師なし学習
  * 局所構造を重視
  * 大域構造も比較的保つ
  * 計算が高速

## いつ使う？（得意・不得意）

### 使われる場面（得意）

* 大規模データの可視化
* クラスタ構造の把握
* t-SNEより高速・安定な可視化が必要な場合

### 注意点・不得意

* 分類・予測アルゴリズムではない
* パラメータ設定で見え方が変わる
* 軸の意味は解釈できない

## G検定ひっかけポイント

* よくある誤り表現：

  * ❌ 「クラス分類アルゴリズムである」
  * ❌ 「教師あり学習である」

* t-SNEとの違い：

  * t-SNE：局所構造特化、大域構造は弱い
  * **UMAP：局所＋大域のバランス**

* 判断基準：

  * **高速・大規模・大域も意識 → UMAP**
  * **局所を最優先 → t-SNE**

## まとめ（試験直前用）

* UMAP＝局所＋大域を両立する可視化
* 教師なし次元削減
* t-SNEより高速・安定
* 分類ではない
* 「バランス型」と覚える