プログラミング論 主成分分析 http://www.ns.kogakuin.ac.jp/~ct13140/Prog/

Slides:



Advertisements
Similar presentations
統計学 第3回 西山. 第2回のまとめ 確率分布=決まっている分布の 形 期待値とは平均計算 平均=合計 ÷ 個数から卒業! 平均=割合 × 値の合計 同じ平均値でも 同じ分散や標準偏差でも.
Advertisements

1 徹底討論「主成分分析 vs 因子分析」 主成分分析は因子分析ではない ! 狩野裕 (大阪大学) 日本行動計量学会第 30 回大会 於:多摩大学.
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
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
「わかりやすいパターン認識」 第1章:パターン認識とは
画像処理工学 2012年2月2日 担当教員 北川 輝彦.
阪神・中日選手の 時系列傾向分析  福元 祥二  渡部 達朗.
9. 主成分分析 Principal Component Analysis (PCA)
経済入門 ③ 西山 茂.
得点と打率・長打率・出塁率らの関係 政治経済学部経済学科 ●年●組 ●● ●●.
データモデリング 推薦のための集合知プログラミング.
第4回 (10/16) 授業の学習目標 先輩の卒論の調査に協力する。 2つの定量的変数間の関係を調べる最も簡単な方法は?
林俊克&廣野元久「多変量データの活用術」:海文堂
生物統計学・第3回 全体を眺める(2) 主成分分析
データ解析基礎 4. 正規分布と相関係数 keyword 正規分布(教科書:31ページ~38ページ) 正規分布の性質 偏差値
回帰分析.
第6章 数量化I類.
第3章 重回帰分析 ー 計量経済学 ー.
第3章 重回帰分析 ー 計量経済学 ー.
酒井哲郎:海岸工学入門,森北出版 第3章(pp.27-36)
EMアルゴリズム クラスタリングへの応用と最近の発展
データ分析入門(13) 第13章 主成分分析 廣野元久.
主成分分析                     結城  隆   .
透視投影(中心射影)とは  ○ 3次元空間上の点を2次元平面へ投影する方法の一つ  ○ 投影方法   1.投影中心を定義する   2.投影平面を定義する
回帰分析/多変量分析 1月18日.
統計リテラシー育成のための数学の指導方法に関する実践的研究
主成分分析と因子分析 による競馬の勝因の研究
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
I-Scoverチャレンジ2013 ~I-Scoverでできる こんなこと、あんなこと~ データ分析/可視化カテゴリ 論文キーワードの特徴分析 ~どんなキーワードを付けているのか~ GOMI Hiroshi.
ストークスの定理と、 渦度・循環の関係を 直感で理解する方法
技術者英語 対象: 電気電子システム工学科 2年生 時限: 前期 水曜日 Ⅳ限 担当: 武藤 真三、本間 聡
~企画~ GO,桑田,ヒルズ.
データの可視化 ~高次元データを見る~ 三枝 亮 (早稲田大学).
川崎浩司:沿岸域工学,コロナ社 第4章(pp.58-68)
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.
大岩 元 慶応大学環境情報学部 数式の表現と日本語 大岩 元 慶応大学環境情報学部
プログラミング論 II 2008年吉日 主成分分析 数値積分
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)
細胞の形と変形のための データ駆動型解析手法
Ⅴ 古典スピン系の秩序状態と分子場理論 1.古典スピン系の秩序状態 2.ハイゼンベルグ・モデルの分子場理論 3.異方的交換相互作用.
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.
データ解析 静岡大学工学部 安藤和敏
構造情報に基づく特徴量を用いた グラフマッチングによる物体識別 情報工学科 藤吉研究室  EP02086 永橋知行.
コードクローン検出ツールを用いた ソースコード分析システムの試作と プログラミング演習への適用
独立成分分析 (ICA:Independent Component Analysis )
多変量解析ゼミ 第10回 第12章クラスター分析 発表者 直江 宗紀.
予測に用いる数学 2004/05/07 ide.
主成分分析 Principal Component Analysis PCA
多変量解析 ~主成分分析~ 1.主成分解析とは 2.適用例と解析の目的 3.解析の流れ 4.変数が2個の場合の主成分分析
(昨年度のオープンコースウェア) 10/17 組み合わせと確率 10/24 確率変数と確率分布 10/31 代表的な確率分布
変換されても変換されない頑固ベクトル どうしたら頑固になれるか 頑固なベクトルは何に使える?
パターン認識特論 担当:和田 俊和 部屋 A513 主成分分析
1-P-25 3次キュムラントバイスペクトラム特徴とReal AdaBoostによる音声区間検出
部分的最小二乗回帰 Partial Least Squares Regression PLS
プロセスデータ解析学5 -主成分分析- 担当:長谷部伸治     金 尚弘.
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
データ解析 静岡大学工学部 安藤和敏
自己組織化マップ Self-Organizing Map SOM
川崎浩司:沿岸域工学,コロナ社 第4章(pp.58-68)
数式の表現と日本語 データ構造とプログラミング(6)
第9章 学習アルゴリズムとベイズ決定側 〔3〕最小2乗法とベイズ決定側 発表:2003年7月4日 時田 陽一
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
プログラミング論 相関
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
生物統計学・第14回 全体を眺める(6) -相関ネットワーク解析-
rd-7. 主成分分析 (Rシステムでデータサイエンス演習)
ベクトル関数の回転(カール、ローティション)
情報スキル入門 第13週 Excel-3.
Presentation transcript:

プログラミング論 主成分分析 http://www.ns.kogakuin.ac.jp/~ct13140/Prog/

概要 主成分分析 難しい.簡易に触れるのみ.

主成分分析 主成分分析とは,複数(N個)の要素からなるデータを,重要なM個(M≦N)の要素に代表させて把握する手法. データの要素数を減らす → 情報量は失われる → 情報の把握が容易になる 重要度の低い情報を捨て, 重要度の高い情報のみにする.

例A(相関の強いデータ) 英語Listeningと 英語Readingの成績 二つのデータ (Listening成績 非常に強い相関が あった場合. 右上がりの軸(水色) でデータを把握すれば ほぼ正確に, データを把握する ことが可能.

例A(相関の強いデータ) 水色の横軸の値のみを考えれば,各人の能力はほぼ分かる. 2次元データが1次元データになった. 厳密さは失われたが,理解が容易に. 横軸は,大まかに英語力を示していると言える.

例A(相関の強いデータ) 下図の緑色の横の軸1本を 用いて,両データを 代表させた場合, 緑軸の値は英語力を 適切に表現していない. 次元を減らして, 全体を代表させる 場合は, 軸を適切に選択 せねばならない.

主成分分析 (2次元値の場合) 第一主成分 重心を通り分散が 最大の方向に 軸をとり,それを とする. それと垂直方向に 英語と数学の成績 重心を通り分散が 最大の方向に 軸をとり,それを 第一主成分 とする. それと垂直方向に 重心を通る軸をとり, これを 第二主成分とする.

主成分分析 (N次元値の場合) N次元空間上で,重心点を通り,最も分散の大きい方向に軸をとり,それを第一主成分とする. 第一主成分と垂直な軸の中で,重心点を通り,最も分散が大きい方向に軸をとり,それを第二主成分とする. 以下,同様に第1~第N主成分全てに垂直で,重心点を通り,分散が最大の方向に第N+1主成分をとる.