t-SNE（t-distributed Stochastic Neighbor Embedding）は、2008年にGeoffrey HintonとLaurens van der Maatenによって提案された次元削減手法です。主に高次元データの可視化を目的として使用されます。仕組みと原理t-SNEは、元の高次元空間でのデータ点間の類似度を確率分布として表現し、低次元空間においてもその分布をできるだけ再現するように配置を最適化します。高次元側にはガウス分布、低次元側にはt分布（自由度1のコーシー分布）を使うことで、クラスター間の距離を誇張し、データの構造を視覚的に捉えやすくします。主な特徴似たデータ点を近くに、異なるデータ点を遠くに配置する傾向がある局所的な構造の保持に優れており、クラスターの可視化に適しているPCAなどの線形手法では捉えられない非線形な構造も表現できるperplexityと呼ばれるパラメータの調整によって結果が変わる活用場面と注意点画像認識・自然言語処理・生命情報科学などの分野で、モデルの内部表現や特徴量の分布を確認する際によく使われます。ただし、t-SNEは次元削減後の距離や方向に意味がなく、グローバルな構造の保持が弱い点に注意が必要です。大規模データには計算コストが高いため、UMAPなど後継手法との使い分けも重要です。

t-SNEとは？意味・定義をわかりやすく解説

t-SNEとは？

てぃーえすえぬいー

t-SNEとは、高次元データを2次元や3次元に圧縮して視覚的に可視化するための機械学習アルゴリズムです。

t-SNE（t-distributed Stochastic Neighbor Embedding）は、2008年にGeoffrey HintonとLaurens van der Maatenによって提案された次元削減手法です。主に高次元データの可視化を目的として使用されます。

仕組みと原理

t-SNEは、元の高次元空間でのデータ点間の類似度を確率分布として表現し、低次元空間においてもその分布をできるだけ再現するように配置を最適化します。高次元側にはガウス分布、低次元側にはt分布（自由度1のコーシー分布）を使うことで、クラスター間の距離を誇張し、データの構造を視覚的に捉えやすくします。

主な特徴

似たデータ点を近くに、異なるデータ点を遠くに配置する傾向がある
局所的な構造の保持に優れており、クラスターの可視化に適している
PCAなどの線形手法では捉えられない非線形な構造も表現できる
perplexityと呼ばれるパラメータの調整によって結果が変わる

活用場面と注意点

画像認識・自然言語処理・生命情報科学などの分野で、モデルの内部表現や特徴量の分布を確認する際によく使われます。ただし、t-SNEは次元削減後の距離や方向に意味がなく、グローバルな構造の保持が弱い点に注意が必要です。大規模データには計算コストが高いため、UMAPなど後継手法との使い分けも重要です。

t-SNEとは？

使い方・例文

この用語をシェア

関連用語