---
title: "白色化（Whitening）とは？G検定対策"
description: "白色化（Whitening）について、G検定で問われるAI・機械学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。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。"
canonical_url: "https://stemtazoo.github.io/gk/whitening/"
section: "gk"
---

## まず結論

* **白色化（Whitening）**とは、入力データを**無相関化**した上で、**平均0・分散1**になるように変換する前処理手法。
* G検定では**「標準化・正規化・無相関化との違い」**を文章穴埋めで問われることが多い。

## 直感的な説明

* 複数の成績（数学・物理・化学）が似た動きをしていると、「どれが本当に効いているのか」分かりにくくなります。
* 白色化は、

  * まず**似た動きをする成分の関係を切り（無相関化）**
  * そのあと**スケールをそろえる（平均0・分散1）**
* つまり、
  👉 **特徴量同士のクセを取り除いて、全部を同じ基準にそろえる**処理です。

## 定義・仕組み

* 白色化（Whitening）とは、入力データに対して

  1. **無相関化**（特徴量間の相関を0にする）
  2. **標準化**（平均0、分散1にする）
     を同時に行う正規化手法です。

* 共分散行列が**単位行列**になるのが特徴。

* PCA Whitening や ZCA Whitening などの手法がありますが、
  **G検定では名前の暗記は不要**です。

## いつ使う？（得意・不得意）

### 使われる場面（得意）

* ニューラルネットワークへの入力前処理
* 特徴量間の相関が強いデータ
* 学習の収束を良くしたい場合

### 注意点・不得意

* 計算コストが高い
* ノイズも同時に強調してしまう可能性がある
* 現代の深層学習では、Batch Normalization などにより
  **必須ではなくなっている**

## G検定ひっかけポイント

* 穴埋め問題でよく出る定型文：

  > 「（A）とは、入力データを（B）した上で、平均を0、分散を1と変換する正規化法である」

* 正しい対応：

  * （A）**白色化**
  * （B）**無相関化**

* よくある誤解：

  * ❌ 標準化 → 相関は消えない
  * ❌ 正規化 → スケーリング全般の総称
  * ❌ 正則化 → 過学習対策（全く別）

* 判断基準：

  * **「無相関化＋分散1」がセットで出たら白色化**

## まとめ（試験直前用）

* 白色化＝無相関化＋標準化
* 特徴量間の相関をなくし、平均0・分散1にする
* 標準化・正規化・正則化と混同しやすい
* G検定では文章穴埋めで頻出
* 「無相関」というキーワードを見逃さない