データの可視化 ~高次元データを見る~ 三枝 亮 (早稲田大学).

Slides:



Advertisements
Similar presentations
『わかりやすいパターン認 識』 第 5 章 特徴の評価とベイズ誤り確率 5.4 ベイズ誤り確率と最近傍決定則 発表日: 5 月 23 日(金) 発表者:時田 陽一.
Advertisements

地理情報システム論 第11回 GIS による処理技法 アドレスマッチングの利用 空間的分布の特徴の把握.
相対論的場の理論における 散逸モードの微視的同定 斎藤陽平( KEK ) 共同研究者:藤井宏次、板倉数記、森松治.
Imagire Day CEDEC 2009続・レンダリスト養成講座 田村 尚希 川瀬 正樹 シリコンスタジオ株式会社.
主成分分析 主成分分析は 多くの変数の中を軸を取り直すことで より低い次元で表現できるようにする。 データがばらついている方向ほど
白井ゼミ 豊田秀樹(2008)『データマイニング入門』 (東京図書)。4章
BRIEF: Binary Robust Independent Elementary Features
生物統計学・第4回 全体を眺める(3) 各種クラスター分析
平成14年2月8日 卒業研究報告 相関行列に基づく非計量多次元尺度法 に関する研究
画像処理工学 2012年2月2日 担当教員 北川 輝彦.
11章 ボリュームレンダリングを学ぶ 本来は目に見えない内部情報をレンダリングし可視化する技術
ゲノム・オミクス分野の統計解析 近畿化学協会 コンピュータ化学部会公開講演会 2016/10/18 京都大学(医) 統計遺伝学分野 山田 亮
論文紹介 青年期における恋愛相手の選択基準とアイデンティティ発達との関係
数値モデルの出力データをどのように取り扱っているか?
生物統計学・第3回 全体を眺める(2) 主成分分析
「データ学習アルゴリズム」 第3章 複雑な学習モデル 3.1 関数近似モデル ….. … 3層パーセプトロン
人工知能概論 第10回 学習と認識(1) クラスタリング
初歩的情報リテラシーと アンケート集計のためのExcel・SPSS講座
無機結晶構造データベース について紹介します. まずは検索画面から. このPowerpointは, 全画面表示をすると, アニメーションが
回帰分析.
標準空間情報の整備及び 異種データベース間のデータ交換手法 に関する研究開発
第12章 連続潜在変数 修士 1年 村下 昇平.
データ分析入門(13) 第13章 主成分分析 廣野元久.
自動車レビューにおける検索と分析 H208032 松岡 智也 H208060 中西 潤 H208082 松井泰介.
3次キュムラントのバイスペクトラムと PCAによる音声区間検出
Generative Topographic Mapping (GTM) でデータの 可視化・回帰分析・モデルの 逆解析を一緒にやってみた
東京大学空間情報科学研究センターを 中心とした空間情報データベースの整備
宇宙磁気流体・プラズマシミュレーション サマーセミナー ~三次元MHDコードの作成〜
研究背景・目的 研究組織 実施内容 適用手法 提案研究により期待されること
独立成分分析 1.問題は何か:例:解法:全体の見通し 2007/10/17 名雪 勲.
メンタルレキシコン3:ことばの意味を実験から探る
第11回   ディジタル画像(2) ディジタル画像処理(2)
プログラミング論 II 2008年吉日 主成分分析 数値積分
ステレオカメラを用いた人の行動解析.
画像処理工学 2013年1月23日 担当教員 北川 輝彦.
主成分分析 (Principle Component Analysis)
T2統計量・Q統計量 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
第6章 特徴空間の変換 6.1 特徴選択と特徴空間の変換 6.2 特徴量の正規化 平成15年5月23日(金) 発表者 藤井 丈明
Computer Graphics 第10回 レンダリング(4) マッピング
独立成分分析 (ICA:Independent Component Analysis )
生物統計学・第3回 全体を眺める(1) R、クラスタリング、ヒートマップ、各種手法
宇宙の立体地図 試作品の製作にあたって諸事項 09S1-051 若佐菜摘.
Internet広域分散協調サーチロボット の研究開発
知能システム論I(13) 行列の演算と応用(Matrix) 2008.7.8.
数量分析 第2回 データ解析技法とソフトウェア
予測に用いる数学 2004/05/07 ide.
可視面・不可視面の判定方法と隠れ面(不可視面)の消去法について述べる.
主成分分析 Principal Component Analysis PCA
プログラミング論 主成分分析
ロボットの協調動作の研究: マップ作成とマップ情報を利用した行動計画
再討論 狩野裕 (大阪大学人間科学部).
パターン認識特論 担当:和田 俊和 部屋 A513 主成分分析
部分的最小二乗回帰 Partial Least Squares Regression PLS
生物統計学・第3回 全体を眺める(2) クラスタリング、ヒートマップ
2重井戸型ポテンシャルに捕捉された 冷却原子気体の非平衡初期分布緩和過程に対する非平衡Thermo Field Dynamics
データの型 量的データ 質的データ 数字で表現されるデータ 身長、年収、得点 カテゴリで表現されるデータ 性別、職種、学歴
ベイジアンネットワーク概説 Loopy Belief Propagation 茨城大学工学部 佐々木稔
Bottom-UpとTop-Down アプローチの組み合わせによる 単眼画像からの人体3次元姿勢推定
わかりやすいパターン認識 第7章:部分空間法  7.1 部分空間法の基本  7.2 CLAFIC法                  6月13日(金)                  大城 亜里沙.
研究背景・目的 研究組織 実施内容 適用手法 提案研究により期待されること
自己組織化マップ Self-Organizing Map SOM
「ICAによる顔画像特徴量抽出とSVMを用いた表情認識」
1ーQー18 音声特徴量抽出のための音素部分空間統合法の検討
. . 5月21日朝は 金環日食を楽しもう 6月6日の 金星の太陽面通過 (約6.5時間続きます) 日食や、金星の太陽面通過を観察するには
数値解析 第6章.
パターン認識特論 カーネル主成分分析 和田俊和.
わかりやすいパターン認識 第6章 特徴空間の変換 6.5 KL展開の適用法 〔1〕 KL展開と線形判別法 〔2〕 KL展開と学習パターン数
rd-7. 主成分分析 (Rシステムでデータサイエンス演習)
教育学部 自然環境教育課程 天文ゼミ 菊池かおり
ランダムプロジェクションを用いた音響モデルの線形変換
Presentation transcript:

データの可視化 ~高次元データを見る~ 三枝 亮 (早稲田大学)

高次元データを見よう !! 次元数:1,2,3,4,5,…,N ?? 見える 見えない 低次元化

可視化のための低次元化手法 主成分分析(PCA) 自己組織化マップ(SOM) 多次元尺度構成法(MDS)

主成分分析(PCA) 分布が偏っている空間のみで記述. 分布に偏りがあるほど,効率的に低次元化できる. 線形変換なので性質が良い.

自己組織化マップ(SOM) 近傍を近傍に写すように低次元化. 近傍:保持,遠方:歪む 地球儀から地図を作るようにデータを低次元化できる. ラーメン店 スープの濃さ 麺の直径 トッピングの数 店主の人柄 A  6 5 6 7 B  7 8 4 8 C  10 4 2 1 近傍:保持,遠方:歪む 地球儀から地図を作るようにデータを低次元化できる. A B C

多次元尺度構成法(MDS) 関係(距離)から配置(座標)を求める. 何次元のデータかわからない &そもそも量的なデータでない 10 7 10 3 3 7 何次元のデータかわからない &そもそも量的なデータでない ⇒2次元的な配置が得られる

まとめ 高次元データを見るには? データを低次元化手法 2次元・3次元データを gnuplot などへ 高次元データを2次元・3次元に落とす! データを低次元化手法 主成分分析,自己組織化マップ,多次元尺度構成法など. 2次元・3次元データを gnuplot などへ データの分布を観察しましょう.