次元削減 vs クラスタリング (医療診断データ編)

操作パネル

3つの患者グループのデータ（3つの検査値）が表示されています。
(マウスで視点操作できます)

	次元削減 (Dimensionality Reduction)	クラスタリング (Clustering)
目的	データの特徴量（検査項目の数、軸）を減らすこと。	データのサンプル（患者、点）をグループ分けすること。
出力	より少ない特徴量で表現された、元のデータセットと同じ人数の新しい患者データ。	各患者がどの病態グループに属するかを示すラベル。
デモでの挙動	3Dの点が平面に射影され、2Dの点（2つの総合指標）に変換される。	3Dの点の位置は変わらず、点の色が病態グループごとに変わる。
代表例	主成分分析 (PCA), t-SNE, UMAP	k-means, 階層的クラスタリング, DBSCAN
使い方の関係	これら2つはよく組み合わせて使われます。例: 次元削減（PCA）で多数の検査値を2つの総合指標に要約・可視化し、その上でクラスタリングを実行する。