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.

Slides:



Advertisements
Similar presentations
社会統計 第 14 回 主成分分析 寺尾 敦 青山学院大学社会情報学部
Advertisements

<最適化の概念> 最適化すべき問 題 数学モデル 変数,数式 数理計画法 定められた計算手 順を用いて解くた めの方法論.
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
グラフィカル多変量解析 ----目で見る共分散構造分析----
第6回 線形計画法の解法(4) 混合最小値問題 山梨大学.
データ解析
生物統計学・第4回 全体を眺める(3) 各種クラスター分析
因子分析,共分散構造分析 Factor Analysis Structural Equations Model
数理統計学(第四回) 分散の性質と重要な法則
阪神・中日選手の 時系列傾向分析  福元 祥二  渡部 達朗.
多変量解析 -重回帰分析- 発表者:時田 陽一 発表日:11月20日.
9. 主成分分析 Principal Component Analysis (PCA)
データ解析 静岡大学工学部 安藤和敏
講義1:カーネル法 産業技術総合研究所 津田宏治.
第三回 線形計画法の解法(1) 標準最大値問題 山梨大学.
第四回 線形計画法(2) 混合最大値問題 山梨大学.
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
Extremal Combinatorics 14.1 ~ 14.2
上坂吉則 尾関和彦 文一総合出版 宮崎大輔2003年6月28日(土)
回帰分析.
「基礎OR」/「OR演習」 第3回 10/13/2009 森戸 晋.
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.
第 七 回 双対問題とその解法 山梨大学.
主成分分析                     結城  隆   .
回帰分析/多変量分析 1月18日.
主成分分析と因子分析 による競馬の勝因の研究
高校数学の知識から、 人工知能・機械学習・データ解析へ つなげる、 必要最低限の教科書
プロセスデータ解析学2 -単回帰分析- 担当:長谷部伸治     金 尚弘.
2016年度 植物バイオサイエンス情報処理演習 第10回 情報解析(3) Rを使った主成分分析
ガウス過程による回帰 Gaussian Process Regression GPR
第6章 カーネル法 修士2年 藤井 敬士.
果物識別 マハラノビス距離を求める.
データ解析 静岡大学工学部 安藤和敏
数学 ---> 抽象化、一般化 より複雑な関係ー>解析学 一次関数 y=ax+b より多くの要素ー>線形代数 x y f(x) y1 x1
4章までのまとめ ー 計量経済学 ー.
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.
混合ガウスモデルによる回帰分析および 逆解析 Gaussian Mixture Regression GMR
主成分分析 (Principle Component Analysis)
制約条件付問題より生じる 線形方程式反復解法 の 理論的な諸問題について
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
独立成分分析 5 アルゴリズムの安定性と効率 2007/10/24   名雪 勲.
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
独立成分分析 (ICA:Independent Component Analysis )
知能システム論I(13) 行列の演算と応用(Matrix) 2008.7.8.
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
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?
Black Litterman Modelによる最適化
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
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
4. システムの安定性.
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.
データ解析 静岡大学工学部 安藤和敏
回帰分析(Regression Analysis)
土木計画学 第12回(1月14日) 計画における代替案の作成2 担当:榊原 弘之.
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
◎小堀 智弘,菊池 浩明(東海大学大学院) 寺田 真敏(日立製作所)
目で見る一次変換 河合塾 数学科 生越茂樹 オゴセ シゲキ.
最小二乗法による線形重回帰分析 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.
行列 一次変換,とくに直交変換.
Locally-Weighted Partial Least Squares LWPLS 局所PLS
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11回 全体を眺める(3) -主成分分析1:分析の基本-
高校数学の知識から、 人工知能・機械学習・データ解析へ つなげる、 必要最低限の教科書
混合ガウスモデル Gaussian Mixture Model GMM
Presentation transcript:

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

主成分分析の概要 主成分分析(PCA:Principal Component Analysis)は,多くの 変数を少数の変数(合成変数,主成分,潜在変数)で表現する ための方法である. x2 t1 x1

主成分分析の基本式 主成分行列 結合係数行列

第1主成分の求め方1 第1主成分得点ベクトル 第1主成分得点の分散 第1主成分得点の平均 共分散行列 (対称行列,非負定値行列)

第1主成分の求め方2 主成分得点の分散を最大化する 結合係数ベクトルのノルムは1

第1主成分の求め方3 ラグランジュ乗数法を使う ラグランジュ関数 最適解が満たす必要条件 固有値問題

第1主成分の求め方4 固有値問題の式の両辺に左からw1*Tを掛ける 上式左辺は第1主成分得点の分散(最適化問題の評価指標) 第1主成分得点の分散は共分散行列Vの固有値である. これを最大化したいので,w1*をVの最大固有値に対応する固 有ベクトルとする. ノルムを1とするために,単位固有ベクトルとする.

第r主成分の求め方1 主成分得点の分散を最大化する 結合係数ベクトルのノルムは1 第r-1番目までの結合係数ベクトルとwrは線形独立 新たな制約式

第r主成分の求め方2 ラグランジュ乗数法を使う ラグランジュ関数 最適解が満たす必要条件 新たな制約式の影響

第r主成分の求め方3 必要条件の式の両辺に左から  を掛ける 必要条件の式は固有値問題になる

第r主成分の求め方4 固有値問題の式の両辺に左からwr*Tを掛ける 上式左辺は第r主成分得点の分散(最適化問題の評価指標) 第r主成分得点の分散は共分散行列Vの固有値である. これを最大化したいのが,r-1番目までに大きな固有値に対応 する固有ベクトルは利用されているため,制約条件を守るため に,wr*をVのr番目に大きな固有値に対応する固有ベクトル とする. ノルムを1とするために,単位固有ベクトルとする.

寄与率・累積寄与率 寄与率 累積寄与率