PCA（主成分分析） とは？

簡単に言うと、データを一番よく説明できる「軸」を見つけるんだ。例えば国語・数学・英語・理科・社会の5科目のテスト結果があったとして、PCAを使うと「文系力」と「理系力」の2つの軸でほとんどの情報を説明できるかもしれない。5次元のデータを2次元に圧縮できるわけだね。

分散が大きい＝データのばらつきが大きい＝情報量が多いと考えるからだよ。もし全員がほぼ同じ点数の科目があったら、その科目は個人を区別する情報をほとんど持っていないよね。逆にばらつきが大きい科目は個人差がわかる、つまり情報が詰まっているんだ。

遺伝子解析で数万個の遺伝子の発現データを2次元にして可視化したり、画像処理で顔画像の特徴を圧縮する「固有顔（Eigenface）」に使ったり、金融でたくさんの経済指標を少数の因子にまとめたりと、幅広い分野で使われているよ。

PCAは「線形な関係」しか捉えられないのが最大の制約なんだ。例えばデータがドーナツ型に分布している場合、PCAで2次元に落とすと構造がつぶれてしまう。こういう場合はカーネルPCAやt-SNE、UMAPのような非線形手法が必要になる。あと意外と見落とされがちなのが、PCAはスケールに敏感だということ。身長（cm）と体重（kg）を一緒にPCAにかけると、単位の大きい身長の影響が支配的になる。だから事前に標準化（平均0、分散1に揃える）が必要なんだけど、この前処理を忘れて「PCAの結果がおかしい」と悩んでいるケースは実務でも本当に多いよ。