Hatena Blog Tags
はてなブログ トップ
主成分分析
このタグでブログを書く
言葉の解説
ネットで話題
関連ブログ

主成分分析

このタグの解説についてこの解説文は、すでに終了したサービス「はてなキーワード」内で有志のユーザーが作成・編集した内容に基づいています。その正確性や網羅性をはてなが保証するものではありません。問題のある記述を発見した場合には、お問い合わせフォームよりご連絡ください。
pianofisica•3ヶ月前

Pythonで学ぶ機械学習：主成分分析

機械学習の具体的な問題にPythonを使って、機械学習もPythonも同時に学んでしまいましょう。今回は主成分分析についてまとめました。機械学習では、特徴量が多すぎると計算コストが増えたり、過学習を起こしやすくなったりします。そこで PCA（Principal Component Analysis：主成分分析）を使って、重要な情報を保持しながらデータの次元を削減する方法を学びます。この記事では scikit-learn（sklearn）ライブラリを用います。適宜 pip install scikit-learnなどによってダウンロード・インストールしてください。 PCAの実装 PCAの累積寄与…

#Python#機械学習#主成分分析

ネットで話題

もっと見る
433ブックマーク主成分分析が簡単にできるサイトを作った - ほくそ笑むhoxo-m.hatenablog.com
118ブックマーク固有ベクトル、主成分分析、共分散、エントロピー入門 | POSTDpostd.cc
98ブックマークHITS, 主成分分析, SVD - naoyaのはてなダイアリーnaoya-2.hatenadiary.org
97ブックマークタコでもわかる主成分分析<BODY> <P>このページを表示するには、フレームをサポートしているブラウザが必要です。</P> <P>「主成分分析とは？」の初心者から、学会発表までの実務的内容を例をあげて説明しています。 <P><A HREF="tako01.html" TARGET="_blank">こちら</A>でみてね。</P> </BODY>home.a02.itscom.net
96ブックマーク主成分分析とは｜市場調査・アンケート調査のマクロミル主成分分析のモデルと基本式 主成分分析とは、多変量データを統合し、新たな総合指標を作り出すための手法といえます。多くの変数に重み(ウェイト)をつけて少数の合成変数を作るのが主成分分析です。重みのつけ方は、合成変数ができるだけ多く元の変数の情報量を含むようにします。できるだけ多くの情報をもつ合成変数(...www.macromill.com
78ブックマーク主成分分析の基礎知識検索エンジンから直接きたひとは、フレーム目次が便利です。ここは ４章から入ります。 お急ぎで「主成分分析とは」を知りたい方は簡略版へどうぞ。 エクセルで層別散布図・等高線図を描きたい人は（おまけ）へ。 主成分といえば、むずかしそうに聞こえる。でももう君達は高校生のときに学校で教わっているのさ。 X軸とY...home.a02.itscom.net
65ブックマーク主成分分析(PCA)の数学的な理論とPythonによる実装noppoman.github.io
56ブックマークはじめよう多変量解析～主成分分析編～www.slideshare.net
45ブックマークアイドル市場における「BABYMETAL」のポジショニングを主成分分析で検証する【最終回】markezine.jp

関連ブログ

機械学習基礎理論独習•4ヶ月前

2次元の点群にフィットする直線を求める - 主成分分析

はじめに 本記事ではアイデアのみ残しておきます。 計算過程などは参考リンクをご覧ください。 要件 点群は とします。 直線の通過点を とします。特に指定がない場合は を点群の重心としてください。 要件は「点群 にフィットする を通る直線を見つけること」です。 アルゴリズム 以下の行列 の最大固有値 に対応する固有ベクトルが求める直線の方向ベクトル となる。通過する位置ベクトル と方向ベクトル が定まったので、要件を満たす直線が求まりました。 参考リンク 主成分分析の例題 ～ 頂点群にフィットする直線 ～

#主成分分析
バスケやデータの雑記帳•2年前

FIBA Basketball World Cup 2023をデータ分析してみた（Part.4｜次元削減分析（主成分分析・t-SNE・UMAP））

本記事は、全5回に分けてFIBAバスケットボールワールドカップ2023の全92試合を分析してみたシリーズ第4回目です。 相関分析・可視化分析｜勝敗と相関が高いスタッツの項目は何か？勝利したチームと敗北したチームのスタッツの差はどう違うのか？ 決定木分析｜勝利するチームのスタッツの条件は？（その1） LightGBM+SHAP分析｜勝利するチームのスタッツの条件は？（その2） 次元削減分析（主成分分析・t-SNE・UMAP）｜スタッツから見る大会参加チームの特徴は？（その1） 因子分析+クラスタリング｜スタッツから見る大会参加チームの特徴は？（その2） 前回・前々回は、決定木分析やLightGB…

#Python#データサイエンス#次元削減#主成分分析#UMAP#FIBAバスケットボールワールドカップ#バスケット・ボール
まさおのデータサイエンティストへの道•2年前

SnapshotPODについてまとめてみる

出所：https://www.nagare.or.jp/download/noauth.html?d=30-2rensai2.pdf&dir=54 0.はじめに 機械学習において、主成分分析はデータの可視化や次元圧縮等に使用される。 この主成分分析を流体の数値計算に適用すること（SnapshotPOD）で流れの空間モードの分解や数値計算の縮退化（高速化）が行える。 今回、SnapshotPODについて調べたので簡単にまとめてみる。 1.主成分分析（Principal Component Analysis） 機械学習の分野では、多次元データに対して変数間の分散が大きくなる方向にデータを射影するこ…

#機械学習#流体力学#主成分分析#CFD
Tableauへ続く道•2年前

データ分析の代表的な４つの手法

データ分析の統計手法は様々ありますが、以下の４つの手法に分けると理解がすすみやすいです。 1．四則演算 2．回帰分析（相関） 3．主成分分析・因子分析 4．クラスタ分析 1 の四則演算は合計や平均、クロス集計、比率計算も含まれます。 2 の回帰分析は、相関関係をベースにする分析カテゴリが含まれます。 3 の主成分分析は合成の分析、因子分析は分解の分析としての違いがあります。 4 のクラスタ分析は、データ間の距離から複数の集団にグルーピングする手法です。 なお、2～4は多変量解析（多くの要因＝多変量を用いる統計解析）の代表的な手法でもあります。Tableauではクラスタ分析の計算方法の１種、 k…

#データ分析#回帰分析#相関#因子分析#クラスタ分析#主成分分析
孤立じじいの館•2年前

実践統計学入門　主成分分析　クラスター分析

はじめに 店舗を総合評価せよ 主成分分析のデータ データ群の正規性の検定 主成分分析 因子負荷量と主成分得点のグラフ クラスター分析 デンドログラム 練習問題 問題1) 解答） 問題２） 解答） サイトご利用方法 はじめに 主成分分析とは、説明変数のみのデータ群を扱う（もし、ここに目的変数が入れば重回帰分析となる）。このデータ群を第一主成分、第二主成分に分類するのでデータの要約という言い方をする方もいる。 第一主成分は総合力、第二主成分は個別力と解釈すれば間違いはない。ただし、総合力と個別力がなにを意味するかはデータ群と解析者の判断にゆだねられる。 店舗を総合評価せよ おい、そろそろ店舗を評価…

#統計#主成分分析#クラスター分析
統計解析ソフト JMP ブログ•3年前

主成分分析/クラスター分析を用いた世界の幸福度分析 ～Part 3 クラスター分析による幸福要因が類似する国々のグループ化

■クラスター分析の実行 ■各クラスターに意味付け ■さらにクラスター分けの解釈を助ける機能 ■無料セミナーご案内 ■JMPトライアル版 増川 直裕 Part 1、Part2 ではOECD加盟国（トルコを除く）を対象とし、主成分分析を使って、各国々の幸福度に寄与する要因との関連性や、寄与する要因間の関連性、各国間の関連性などについて調べました。 今度は主成分分析と並んで、代表的な多変量解析手法である階層型クラスター分析（以下、”クラスター分析” と表記）を使ってみます。 クラスター分析はさまざまな統計ソフトウェアで実行できますが、JMPでは、クラスター分析によって分けられたクラスターの解釈を様々…

#JMP#ビジネス#主成分分析#クラスター分析#統計
統計解析ソフト JMP ブログ•3年前

主成分分析/クラスター分析を用いた世界の幸福度分析 ～Part 2 主成分分析による外れ値探索

■他の国々と異なる幸福状態を示す国は？ ■JMPの強力機能：主成分分析における「外れ値分析」 ■パラレルプロットと併せて解釈する ■無料セミナーご案内 ■JMPトライアル版 増川 直裕 Part 1ではOECD加盟国（トルコを除く）を対象とし、主成分分析の負荷量プロットやスコアプロットから、各国の幸福度に寄与する要因との関連性や、寄与する要因間の関連性、各国間の関連性などについて調べました。 今回のPart 2では、主成分分析の結果をさらに考察し、他の国とは異なる幸福感を持っている国はどこなのか？ 異なる幸福感の要因となるものは何か？について調べてみます。 その際にJMPの主成分分析では、デー…

#JMP#統計#主成分分析#クラスター分析#ビジネス
外食！商品開発 最前線•3年前

その料理は誰のため、何のため ２　－　外食ブランドの分布

仮説を立てるにあたり、誰のため？何のため？のメニューなのかを常に思い浮かべながらレシピや器の選定、販促物の創作にあたることは、そのメニューの「打率」をあげるうえで非常に大事になってきます。 誰のため？何のため？ これをよく考えたいです。 自分の店が誰のためのものなのか、その認識をしっかりとしなければなりません。ご家族連れに支えられているのか、ご家族連れなら下の子は何歳くらいなのか、時間帯によって客層は大きく変わるのか、店によって客層が変わるなら全体としてどういった客層をひきつけているのかなどです。 加えて、新しい客層を取り込みたい場合、どういった人にきていただきたいのかも整理したいです。 そう…

#セグメント#ライフスタイル#分布#マップ#マッピング#主成分分析
DATAFLUCT Tech Blog•3年前

教師なし学習の実践 主成分分析で高次元データを可視化する

こんにちは！nakamura（@naka957）です。今回は、主成分分析（PCA）をご説明します。 主成分分析は教師なし学習の重要手法の１つです。教師なし学習は正解情報なしでデータのパターンを推測する手法です。その中でも、主成分分析は多数の特徴量を少数の特徴量で表現する手法です。言い換えれば、高次元のデータを低次元で表現するため、次元圧縮の手法とも呼ばれます。 本記事では、主成分分析の概要と実装例をご紹介します。実装例では、手書き数字の画像データを実際に次元圧縮してみます。手書き数字の画像データでパターンが観測されるか確かめてみましょう。 では、早速始めていきます。 主成分分析 実装例 データ…

#主成分分析#PCA#DATAFLUCT