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
100
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
希望休勤務を考慮したシフト作成
nearme_tech
PRO
0
20
Hub Labeling による高速経路探索
nearme_tech
PRO
0
54
Build an AI agent with Mastra
nearme_tech
PRO
0
68
Rustで強化学習アルゴリズムを実装する vol3
nearme_tech
PRO
0
33
Webアプリケーションにおけるクラスの設計再入門
nearme_tech
PRO
1
74
AIエージェント for 予約フォーム
nearme_tech
PRO
2
140
ULID生成速度を40倍にしたった
nearme_tech
PRO
2
51
Amazon AuroraとMongoDBの アーキテクチャを比較してみたら 結構違った件について
nearme_tech
PRO
0
25
GitHub Custom Actionのレシピ
nearme_tech
PRO
0
16
Other Decks in Research
See All in Research
Large Language Model Agent: A Survey on Methodology, Applications and Challenges
shunk031
12
8.2k
Towards a More Efficient Reasoning LLM: AIMO2 Solution Summary and Introduction to Fast-Math Models
analokmaus
2
230
クラウドのテレメトリーシステム研究動向2025年
yuukit
3
950
AI エージェントを活用した研究再現性の自動定量評価 / scisci2025
upura
1
100
大規模な2値整数計画問題に対する 効率的な重み付き局所探索法
mickey_kubo
1
250
Generative Models 2025
takahashihiroshi
21
11k
Combinatorial Search with Generators
kei18
0
310
【緊急警告】日本の未来設計図 ~沈没か、再生か。国民と断行するラストチャンス~
yuutakasan
0
130
SSII2025 [TS1] 光学・物理原理に基づく深層画像生成
ssii
PRO
4
3.5k
90 分で学ぶ P 対 NP 問題
e869120
17
7.5k
RapidPen: AIエージェントによるペネトレーションテスト 初期侵入全自動化の研究
laysakura
0
1.5k
Computational OT #4 - Gradient flow and diffusion models
gpeyre
0
300
Featured
See All Featured
What’s in a name? Adding method to the madness
productmarketing
PRO
23
3.5k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
44
2.4k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
8
670
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Fantastic passwords and where to find them - at NoRuKo
philnash
51
3.3k
Bash Introduction
62gerente
614
210k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
138
34k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
281
13k
Done Done
chrislema
184
16k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
667
120k
Mobile First: as difficult as doing things right
swwweet
223
9.7k
The Straight Up "How To Draw Better" Workshop
denniskardys
234
140k
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