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
February 24, 2023
Research
0
64
主成分分析
NearMeの技術発表資料です
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
Infrastructure as Code: Intro to Pulumi
nearme_tech
0
8
OR-Toolsの中⾝ -VRPの解法について-
nearme_tech
0
49
GTFSのデータを Streamlitで可視化してみた
nearme_tech
0
38
Offset / Cursor Paginationについて
nearme_tech
2
81
⼤規模⾔語モデルの拡張(RAG)が 終わったかも知れない件について
nearme_tech
23
16k
VRPを深層強化学習で解く
nearme_tech
0
72
Let’s go monorepo - intro to Nx.dev
nearme_tech
0
23
Dynamic Vehicle Routing のシミュレーションを Streamlitで作ってみた
nearme_tech
0
65
ログ監視ツールについて調べてみた
nearme_tech
0
59
Other Decks in Research
See All in Research
インタビューだけじゃない!ユーザーに共感しユーザーの目👀を手に入れるためのインプット
moco1013
0
290
中高生にSFを読んでもらうには
ichiiida
1
710
Scaling Rectified Flow Transformers for High-Resolution Image Synthesis / Stable Diffusion 3
shunk031
0
500
3D Human Mesh Estimationについていくつかまとめてみた / Survey about 3D Human Mesh Estimation
nttcom
0
230
Prompt Tuning から Fine Tuning への移行時期推定
icoxfog417
17
7.2k
Refactoring Mining - The key to unlock software evolution
tsantalis
0
300
[2023 CCSE] ZOZOTOWN検索における 研究開発の取り組みについて
tomoyayama
0
130
HP (Hitto Point: 筆頭ポイント)
tanichu
0
770
My Journey as a UX Researcher
aranciap
0
1.2k
F0に基づいて伸縮された画像文字からの音声合成 [ASJ2024春]
nehi0615
0
130
20240127_熊本から今いちど真面目に都市交通~めざせ「車1割削減、渋滞半減、公共交通2倍」~ 全国路面電車サミット2024宇都宮
trafficbrain
1
690
AIを前提とした体験の実現に向けて/toward_ai_based_experiences
monochromegane
1
260
Featured
See All Featured
Practical Orchestrator
shlominoach
183
9.7k
What the flash - Photography Introduction
edds
64
11k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
123
39k
It's Worth the Effort
3n
180
27k
The Language of Interfaces
destraynor
151
23k
4 Signs Your Business is Dying
shpigford
176
21k
The Illustrated Children's Guide to Kubernetes
chrisshort
32
47k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
22
1.4k
Bash Introduction
62gerente
605
210k
The Pragmatic Product Professional
lauravandoore
26
5.8k
Agile that works and the tools we love
rasmusluckow
325
20k
Building Flexible Design Systems
yeseniaperezcruz
320
37k
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