最終更新日：2026年8月27日
gk machine_learning preprocessing
G検定トップ
＞ 白色化（Whitening）とは？無相関化＋分散1で切り分ける【G検定】
まず結論
白色化（Whitening）は、特徴量間の相関を取り除き、各成分の分散を1にそろえる処理です。中心化も含めて扱われることが多く、白色化後は共分散行列が単位行列になるように変換します。
G検定では、
- 平均0・分散1だけ → 標準化
- 無相関化まで行う → 白色化
で切り分けるのが重要です。
直感的な説明
標準化は「それぞれの特徴量の物差しをそろえる」処理です。
白色化はさらに一歩進んで、特徴量同士の似た動きもほどくイメージです。
たとえば、ほぼ同じ傾向を持つ2つの特徴量があるとき、白色化ではその重なりを減らし、互いに相関しない成分へ変換します。
定義・仕組み
白色化では、データを中心化した上で、共分散構造を使って変換します。
結果として、理想的には
平均 ≈ 0
共分散行列 ≈ 単位行列
となります。
つまり、
- 各成分の分散は1
- 異なる成分どうしの共分散は0
です。
代表例として PCA Whitening や ZCA Whitening があります。G検定では名前そのものより、無相関化を含むかどうかを押さえる方が重要です。
いつ使う？（得意・不得意）
使われる場面
- 特徴量間の相関を減らしたい
- 前処理として共分散構造を整えたい
- 一部の古典的な画像処理・機械学習手法
注意点
- 計算コストがかかる
- 小さな固有値に対応する方向ではノイズを増幅しやすい
- 現代の深層学習では必須の前処理ではない
G検定ひっかけポイント
穴埋め問題で 「無相関化」 が出てきたら、白色化を強く疑います。
まとめ（試験直前用）
- 白色化＝無相関化＋分散1
- 標準化は相関を基本的に残す
- 共分散行列を単位行列に近づける
- 「無相関」という語が最大の判断材料