はじめに：t-SNEとは？
t-SNE（ティースニーと読みます）は、数百や数千といったたくさんの特徴を持つ「高次元データ」を、人間が直感的に理解しやすい2次元や3次元のグラフに変換して「見える化」するための機械学習の手法です。特に、データの中に隠れたグループ（クラスタ）構造を発見するのに非常に強力なツールとして、AIや機械学習の分野で広く利用されています。
正式名称は t-distributed Stochastic Neighbor Embedding（t分布型確率的近傍埋め込み）といい、2008年にローレンス・ファン・デル・マーテン（Laurens van der Maaten）氏と、AI研究の第一人者であるジェフリー・ヒントン（Geoffrey Hinton）氏によって発表されました。
t-SNEの基本的な仕組み
t-SNEの目的は「元の高次元の空間で近かったデータ同士は、変換後の低次元の空間でも近くに配置される」ようにすることです。難しい数式は使わずに、その考え方をステップで見ていきましょう。
- 高次元での「近さ」を確率で表現する：まず、元の複雑なデータの世界で、あるデータ点から見て、他のデータ点がどのくらい「近い」かを確率で表します。すぐ近くにある点は選ばれる確率が高く、遠くにある点は確率が低くなるように計算します。
- 低次元にランダムに配置する：次に、2次元などのグラフ上に、すべてのデータ点をランダムにばらまきます。
- 配置を最適化する：最後に、低次元のグラフ上でも、ステップ1で計算した「近さ」の確率関係が再現されるように、点の位置を少しずつ調整していきます。この調整を何度も繰り返すことで、最適な配置を探します。
このプロセスの結果、元の世界で似た者同士だったデータの集まりが、2次元のグラフ上でも自然なグループとして浮かび上がって見えるようになります。特に、SNEという元になった手法から改良され、t分布という統計的な手法を使うことで、データが密集しすぎる「混雑問題」を解消し、より明確にクラスタを分離できるようになりました。
t-SNEの長所と短所
t-SNEは非常に強力なツールですが、万能ではありません。その長所と短所を理解しておくことが重要です。
| 項目 | 説明 |
|---|---|
| 長所 |
|
| 短所 |
|
t-SNEとPCA（主成分分析）の違い
次元削減の手法として、t-SNEとしばしば比較されるのがPCA（主成分分析）です。両者は目的が異なるため、使い分ける必要があります。
| 比較項目 | t-SNE | PCA（主成分分析） |
|---|---|---|
| 目的 | データの近傍関係を維持し、クラスタを可視化する。 | データの分散が最大になる方向（主成分）を見つけ、情報を要約する。 |
| アルゴリズムの種類 | 非線形 | 線形 |
| 得意なこと | 複雑な（非線形な）データ構造の可視化。クラスタの分離。 | データの全体的な構造の把握。ノイズ除去や前処理。 |
| 軸の意味 | 軸自体に明確な意味はない。点同士の相対的な位置関係が重要。 | 軸（主成分）は元の特徴量の線形結合であり、解釈が可能。 |
| 計算速度 | 遅い | 速い |
簡単に言うと、「データのグループ分けをはっきり見たい」ならt-SNE、「データ全体の傾向を大まかに掴みたい」ならPCAが向いています。
Python (scikit-learn)での簡単な使い方
Pythonの機械学習ライブラリであるscikit-learnを使えば、t-SNEを簡単に実行できます。ここでは、手書き数字データセット（Digits）を2次元に削減して可視化するコード例を示します。
# 必要なライブラリをインポート
import numpy as np
import matplotlib.pyplot as plt
from sklearn.manifold import TSNE
from sklearn.datasets import load_digits
# 手書き数字データをロード
digits = load_digits()
X = digits.data
y = digits.target
# t-SNEモデルのインスタンスを作成
# n_components: 削減後の次元数
# perplexity: データ構造のスケールを調整するパラメータ。通常5〜50の間で設定。
# random_state: 結果を固定するためのシード値
tsne = TSNE(n_components=2, perplexity=30, random_state=42)
# t-SNEによる次元削減を実行
X_reduced = tsne.fit_transform(X)
# 結果をプロット
plt.figure(figsize=(10, 8))
scatter = plt.scatter(X_reduced[:, 0], X_reduced[:, 1], c=y, cmap=plt.cm.get_cmap("jet", 10))
plt.title('t-SNE visualization of digits dataset')
plt.xlabel('t-SNE feature 1')
plt.ylabel('t-SNE feature 2')
plt.legend(handles=scatter.legend_elements(), labels=digits.target_names)
plt.show() このコードを実行すると、64次元（8×8ピクセル）の画像データが2次元の点としてプロットされ、同じ数字のデータが近くに集まっている様子を確認できます。
まとめ
t-SNEは、一見すると複雑な高次元のデータを、人間が理解しやすい形に変換してくれる強力な可視化ツールです。特にデータのクラスタ構造を視覚的に捉える際にその真価を発揮します。
ただし、計算コストの高さや、可視化結果の解釈（特にクラスタ間の距離）には注意が必要です。t-SNEの特性を正しく理解し、PCAなどの他の手法と適切に使い分けることで、データ分析の可能性を大きく広げることができるでしょう。