Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
主成分分析
Search
NearMeの技術発表資料です
PRO
February 24, 2023
Research
0
110
主成分分析
NearMeの技術発表資料です
PRO
February 24, 2023
Tweet
Share
More Decks by NearMeの技術発表資料です
See All by NearMeの技術発表資料です
今だからこそ入門する Server-Sent Events (SSE)
nearme_tech
PRO
2
140
ReactNative のアップグレード作業が (意外に)楽しかった話
nearme_tech
PRO
2
76
強化学習アルゴリズムPPOの改善案を考えてみた
nearme_tech
PRO
0
6
Apple Containerについて調べて触ってみた
nearme_tech
PRO
0
120
Rust 並列強化学習
nearme_tech
PRO
0
23
並列で⽣成AIにコーディングをやらせる
nearme_tech
PRO
1
150
希望休勤務を考慮したシフト作成
nearme_tech
PRO
0
39
Hub Labeling による高速経路探索
nearme_tech
PRO
0
100
Build an AI agent with Mastra
nearme_tech
PRO
0
82
Other Decks in Research
See All in Research
引力・斥力を制御可能なランダム部分集合の確率分布
wasyro
0
240
Type Theory as a Formal Basis of Natural Language Semantics
daikimatsuoka
1
290
数理最適化に基づく制御
mickey_kubo
6
730
EcoWikiRS: Learning Ecological Representation of Satellite Images from Weak Supervision with Species Observation and Wikipedia
satai
3
130
MetaEarth: A Generative Foundation Model for Global-Scale Remote Sensing Image Generation
satai
4
190
2021年度-基盤研究B-研究計画調書
trycycle
PRO
0
290
[輪講] SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features
nk35jk
2
980
Hiding What from Whom? A Critical Review of the History of Programming languages for Music
tomoyanonymous
0
160
Agentic AIとMCPを利用したサービス作成入門
mickey_kubo
0
530
[CV勉強会@関東 CVPR2025] VLM自動運転model S4-Driver
shinkyoto
2
480
電通総研の生成AI・エージェントの取り組みエンジニアリング業務向けAI活用事例紹介
isidaitc
1
940
心理言語学の視点から再考する言語モデルの学習過程
chemical_tree
2
580
Featured
See All Featured
Designing for Performance
lara
610
69k
Navigating Team Friction
lara
189
15k
Learning to Love Humans: Emotional Interface Design
aarron
273
40k
Music & Morning Musume
bryan
46
6.8k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
112
20k
Gamification - CAS2011
davidbonilla
81
5.4k
A Modern Web Designer's Workflow
chriscoyier
696
190k
Speed Design
sergeychernyshev
32
1.1k
What's in a price? How to price your products and services
michaelherold
246
12k
Rebuilding a faster, lazier Slack
samanthasiow
83
9.2k
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
32
1.5k
Transcript
0 主成分分析 2023-02-24 第33回NearMe技術勉強会 Yuki Nonaka
1 目次 1. 多変量解析とは 2. 主成分分析とは 3. 主成分分析の例 1
2 複数のデータ(変数)が組み合わさったデータを分析する手法の総 称。多変量解析ではデータ間での関連性やデータが持つ意味の抽 出、予測式の作成を行う。 多変量解析とは 2 予測 要約
3 多変量解析とは 3
4 4 主成分分析とは 多次元データの持つ情報をなるべく損なわずに低次元空間に縮約す る方法。分散が大きいほど情報を多く含んでいると考えられ、射影し たデータの分散が最大となるような軸を探す。
5 5 主成分分析とは 1. データセットを標準化する。 2. データの共分散行列を求める。 3. 共分散行列の固有値と固有ベクトルを求める。 4.
固有値の大きいk個の固有ベクトルを抽出する。 5. 抽出した固有ベクトルから射影行列を求め、入力データを変換する ことで新しい特徴空間を取得する。
6 6 主成分分析の例題 気象庁が提供しているMSMデータ 目的:航空経路の気象条件の特徴を捉え、代表的な気象条件を抽出 する。
7 7 主成分分析の例題 第一主成分で分散の74.8%、第二主成分で13.3%説明している。 下図はPCAで二次元に次元削減したものを風速によって大きさを変え てプロットしたものである。 第一主成分は東西成分の 風速の特徴が出ている
8 参考文献 • https://corvus-window.com/whats_multivariate-analysis/ • https://statistics.co.jp/reference/software_R/statR_9_principal.pdf 8
9 Thank you