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
73
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
2つの曲線を比較する方法ってあるの? 〜フレシェ距離を試してみた〜 with Python
nearme_tech
PRO
1
18
Constrained K-means Clustering (クラスタサイズの制限をしたK-means法) を調べてみた
nearme_tech
PRO
0
16
VRPの近傍操作SWAP*について調べてみた
nearme_tech
PRO
1
49
新人エンジニアが読んでためになった本
nearme_tech
PRO
2
21
Object–relational mapping and query builder battle 1: Intro to Prisma
nearme_tech
PRO
1
29
深層学習モデルの最適化 -Deep Learning Tuning Playbookを読む-
nearme_tech
PRO
1
52
機械学習を支える連続最適化
nearme_tech
PRO
1
44
サードパーティクッキーの終焉と Topics APIによる代替の可能性
nearme_tech
PRO
1
81
ONNXハンズオン
nearme_tech
PRO
2
28
Other Decks in Research
See All in Research
SSII2024 [TS2] 深層学習に潜むバイアス
ssii
PRO
0
520
[輪講資料] Text Embeddings by Weakly-Supervised Contrastive Pre-training
hpprc
3
720
継続的な研究費獲得のための考え方
moda0
2
540
RCEへの近道
kawakatz
1
620
訓練データ作成のためのCloudCompareを利用した点群の手動ラベリング
kentaitakura
0
920
SSII2024 [OS2] 大規模言語モデルと基盤モデルの射程
ssii
PRO
0
380
SSII2024 [PD] 画像センシングの未来
ssii
PRO
0
290
SSII2024 [PD] 30周年記念特別企画SSII 技術マップ / LLMサーベイ
ssii
PRO
0
630
バスのサービスレベル向上と運賃策による熊本都市圏の渋滞緩和効果推計 ~公共交通への公的投資に向けた感度と集計QVに基づく迅速なシナリオ検討~
trafficbrain
0
180
[第55回 NLPコロキウム] コンピュータビジョン分野での評価設計と分析の研究について
otani_mayu
0
120
ICLR2024 LLMエージェントの研究動向
masatoto
13
9.1k
SSII2024 [OS1] 現場の課題を解決する ロボットラーニング
ssii
PRO
0
420
Featured
See All Featured
Fontdeck: Realign not Redesign
paulrobertlloyd
79
5.1k
Building a Scalable Design System with Sketch
lauravandoore
458
32k
What's in a price? How to price your products and services
michaelherold
239
11k
Debugging Ruby Performance
tmm1
71
11k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
34
1.9k
The Illustrated Children's Guide to Kubernetes
chrisshort
39
47k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
12
3.8k
Making the Leap to Tech Lead
cromwellryan
127
8.7k
BBQ
matthewcrist
82
9k
Facilitating Awesome Meetings
lara
46
5.8k
Leading Effective Engineering Teams 2024
addyosmani
3
300
A designer walks into a library…
pauljervisheath
201
24k
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