「AP過去問令和5年度秋期午前問2」の版間の差分

2025年4月16日 (水) 17:06時点における最新版

　複数の変数をもつデータに対する分析手法の記述のうち、主成分分析はどれか。

ア　変数に共通して影響を与える新たな変数を計算して、データの背後にある構造を取得する方法

イ　変数の値からほかの変数の値を予測して、データがもつ変数間の関連性を確認する方法

ウ　変数の値が互いに類似するものを集めることによって、データを分類する方法

エ　変数を統合した新たな変数を使用して、データがもつ変数の数を減らす方法

　主成分分析(PCA: Principal Component Analysis)は、多次元のデータをより少ない次元に圧縮するための手法です。具体的には、もとの変数の線形結合により、新たな変数(主成分)を作成し、それによって情報をできるだけ保ちながら次元を削減します。

アは❌間違いです。因子分析の説明です。共通因子という背後にある潜在的な変数を推定するのが特徴です。

イは❌間違いです。重回帰分析など、予測モデルに関する説明です。

ウは❌間違いです。クラスタ分析の説明です。データのグルーピングや分類が目的です。

エは✅正しいです。主成分分析の説明です。次元削減のために、新たな変数を導出するのがポイントです。

　したがって

エ

　が答えです。

@@ 22行目: / 22行目: @@
 =='''回答・解説'''==
+　主成分分析(PCA: Principal Component Analysis)は、多次元のデータをより少ない次元に圧縮するための手法です。
+具体的には、もとの変数の線形結合により、新たな変数(主成分)を作成し、それによって情報をできるだけ保ちながら次元を削減します。
+アは❌間違いです。因子分析の説明です。共通因子という背後にある潜在的な変数を推定するのが特徴です。
+イは❌間違いです。重回帰分析など、予測モデルに関する説明です。
+ウは❌間違いです。クラスタ分析の説明です。データのグルーピングや分類が目的です。
+エは✅正しいです。主成分分析の説明です。次元削減のために、新たな変数を導出するのがポイントです。
+　したがって
+<span style = "background:linear-gradient(transparent 75%, #7fbfff 75%); font-weight:bold; ">
+エ</span>
+　が答えです。