enokisaute https://blog.hatena.ne.jp/enokisaute/ 薬剤師のプログラミング学習日記 https://www.yakupro.info/ 機械学習 主成分分析(PCA：Principal Component Analysis)では、データの本質的な部分に注目して重要な部分を保持し、あまり重要でない部分を削る、一言でいえばデータの要約(＝次元削減)を行います。いろいろな分野で使われている手法ですが、機械学習においては与えられたデータから自動的にこの要約を行うため、教師なし学習に分類されます。 PCAを行うメリット PCAの視覚的なイメージ 画像データでPCAを行う 寄与率と累積寄与率 主成分の可視化 次元の削減と復元 ちょっと踏み込んでPCAの意味を理解する 標準化と白色化 標準化 白色化 参考 PCAを行うメリット 主に次のようなものがあ… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.yakupro.info%2Fentry%2Fml-pca" title="主成分分析(PCA)による次元削減 - 薬剤師のプログラミング学習日記" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/e/enokisaute/20201114/20201114125210.png Hatena Blog https://hatena.blog 2020-11-06 09:00:00 rich https://www.yakupro.info/entry/ml-pca 1.0 100%