主成分分析を徹底解説！データを効率的に分析する3つの目的

📌 1. 主成分分析（PCA）とは？

主成分分析（Principal Component Analysis, PCA）は、多変量データを少ない情報損失で圧縮し、データの本質的な特徴を抽出する手法 です。

・・・よくわからないと思うのでまずは主成分分析の3つ目的を理解しましょう。

1️⃣データを圧縮する

2️⃣本質を見つける

3️⃣見やすくする

🔍 2. 主成分分析の目的をわかりやすく解説！

主成分分析（Principal Component Analysis, PCA）は、多くのデータを「少ない情報で効率よく表現する」ために使います。
では、具体的にどんな場面で主成分分析を使うのか、3つの目的を詳しく見ていきましょう！

📌 目的①：データの次元削減（データを圧縮する）

💡 「たくさんのデータの本質を、小さなデータで表現したい！」

🎨 例：デジタル画像の圧縮

あなたのスマホに5000枚の写真が保存されているとします。
でも、データ容量がいっぱいになりそうなので、なるべく画質を落とさずにファイルサイズを減らしたい！

ここで主成分分析を使うと…
✅ 「写真の細かい部分（不要な情報）」を削減し、
✅ 「画質を保ったまま、データ量を圧縮」できます。

例えば、カメラの画像データは 「赤・緑・青（RGB）」 の3色の組み合わせで作られていますが、
実はそのうちの 2色の情報だけ で、人間の目には十分きれいに見えたりします。
主成分分析を使えば、このように「必要な情報だけを残してデータを減らす」ことが可能になります！

🔹 他の例

• センサーのデータ分析（100種類の測定値を10個の指標にまとめる）
• 品質管理（製品の100個の特徴を、代表的な2～3個にまとめる）

📌 目的②：データの特徴を抽出する（本質の発見）

💡 「データが何を意味しているのかを理解したい！」

🏀 例：バスケットボール選手のスカウト

あなたがバスケットボールのスカウトだとします。
選手の評価基準として、以下のデータを集めました。

この5つの指標の中で、「どの要素が選手の能力を決めるのか？」を知りたい！
主成分分析を使うと、以下のような新しい評価軸（主成分）が見つかるかもしれません。

✅ 主成分1（フィジカル能力）：身長・体重・ジャンプ力
✅ 主成分2（運動能力）：走る速さ・ジャンプ力
✅ 主成分3（シュート力）：シュート成功率のみ

こうすれば、「選手の特徴を、よりシンプルに分析できる！」 というわけです。

🔹 他の例

• 顧客の購買データ分析（どの要素が売上に影響を与えているのか？）
• 遺伝子データ解析（病気に関係のある重要な遺伝子を見つける）

📌 目的③：データの可視化（見やすくする）

💡 「たくさんのデータを、わかりやすくグラフで表現したい！」

📊 例：顧客データの分類

あなたがマーケティング担当者で、1000人の顧客データを分析したいとします。
でも、顧客の情報には 「年齢・年収・購入履歴・趣味」 など、たくさんの変数があって、データが複雑すぎる！

主成分分析を使うと、「1000人のデータを、2次元のグラフにまとめて表示できる」 ので、
✅ 顧客のタイプごとにグループ分け（クラスタリング）しやすくなる！

例えば、

• 「高収入 × 高額商品をよく買うグループ」
• 「低収入 × 低価格商品をよく買うグループ」
• 「スポーツ用品をよく買うグループ」

などのパターンを簡単に発見できるようになります！

🔹 他の例

• 機械学習のデータ前処理（データを2D・3Dに落とし込んでモデルを作りやすくする）
• 医療データ分析（がんの種類を2次元のグラフで分類）

📌 まとめ

主成分分析を使う理由は、以下の3つです。

💡 主成分分析は「情報を整理し、わかりやすくする」ための強力なツール！
特に、QC検定では「品質管理」に主成分分析をどう活用するかが重要になります。