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
ReactNative のアップグレード作業が (意外に)楽しかった話
nearme_tech
PRO
1
26
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
91
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
140
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
96
Build an AI agent with Mastra
nearme_tech
PRO
0
78
Rustで強化学習アルゴリズムを実装する vol3
nearme_tech
PRO
0
44
Other Decks in Research
See All in Research
20250502_ABEJA_論文読み会_スライド
flatton
0
200
一人称視点映像解析の最先端(MIRU2025 チュートリアル)
takumayagi
6
3.4k
データxデジタルマップで拓く ミラノ発・地域共創最前線
mapconcierge4agu
0
210
論文読み会 SNLP2025 Learning Dynamics of LLM Finetuning. In: ICLR 2025
s_mizuki_nlp
0
180
Google Agent Development Kit (ADK) 入門 🚀
mickey_kubo
2
1.7k
多言語カスタマーインタビューの“壁”を越える~PMと生成AIの共創~ 株式会社ジグザグ 松野 亘
watarumatsuno
0
120
「どう育てるか」より「どう働きたいか」〜スクラムマスターの最初の一歩〜
hirakawa51
0
840
Cross-Media Information Spaces and Architectures
signer
PRO
0
240
A scalable, annual aboveground biomass product for monitoring carbon impacts of ecosystem restoration projects
satai
3
220
Trust No Bot? Forging Confidence in AI for Software Engineering
tomzimmermann
1
260
能動適応的実験計画
masakat0
2
800
Creation and environmental applications of 15-year daily inundation and vegetation maps for Siberia by integrating satellite and meteorological datasets
satai
3
260
Featured
See All Featured
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
46
7.6k
Art, The Web, and Tiny UX
lynnandtonic
302
21k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
26
3k
Six Lessons from altMBA
skipperchong
28
4k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
30
9.6k
Code Reviewing Like a Champion
maltzj
525
40k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
580
Building Better People: How to give real-time feedback that sticks.
wjessup
368
19k
A designer walks into a library…
pauljervisheath
207
24k
We Have a Design System, Now What?
morganepeng
53
7.8k
Raft: Consensus for Rubyists
vanstee
140
7.1k
Automating Front-end Workflow
addyosmani
1370
200k
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