Submit Search
Upload
TDAを構成する技術の紹介 ~PCA編~
•
0 likes
•
844 views
ReNom User Group
Follow
ReNom User Group #3 Part1
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 12
Download now
Download to read offline
Recommended
付加価値を生み出すデータの可視化
付加価値を生み出すデータの可視化
Core Concept Technologies
The way to a smart factory armed with data utilization
The way to a smart factory armed with data utilization
DataWorks Summit
Datavisualize
Datavisualize
エンジニア勉強会 エスキュービズム
From data catalog to preparation. The latest data platform to accelerate the ...
From data catalog to preparation. The latest data platform to accelerate the ...
DataWorks Summit
Pentahoデータ統合・ETLセミナー 紹介資料
Pentahoデータ統合・ETLセミナー 紹介資料
kimihikoeto
これで怖くない!?大規模環境で体験するDB負荷対策~垂直から水平の彼方へ~
これで怖くない!?大規模環境で体験するDB負荷対策~垂直から水平の彼方へ~
hideakikabuto
3. Vertex AIを用いた時系列データの解析
3. Vertex AIを用いた時系列データの解析
幸太朗 岩澤
~チュートリアル第1弾~ チュートリアルの概要と事例の紹介
~チュートリアル第1弾~ チュートリアルの概要と事例の紹介
ReNom User Group
Recommended
付加価値を生み出すデータの可視化
付加価値を生み出すデータの可視化
Core Concept Technologies
The way to a smart factory armed with data utilization
The way to a smart factory armed with data utilization
DataWorks Summit
Datavisualize
Datavisualize
エンジニア勉強会 エスキュービズム
From data catalog to preparation. The latest data platform to accelerate the ...
From data catalog to preparation. The latest data platform to accelerate the ...
DataWorks Summit
Pentahoデータ統合・ETLセミナー 紹介資料
Pentahoデータ統合・ETLセミナー 紹介資料
kimihikoeto
これで怖くない!?大規模環境で体験するDB負荷対策~垂直から水平の彼方へ~
これで怖くない!?大規模環境で体験するDB負荷対策~垂直から水平の彼方へ~
hideakikabuto
3. Vertex AIを用いた時系列データの解析
3. Vertex AIを用いた時系列データの解析
幸太朗 岩澤
~チュートリアル第1弾~ チュートリアルの概要と事例の紹介
~チュートリアル第1弾~ チュートリアルの概要と事例の紹介
ReNom User Group
ReNomによるNeural Style Transfer
ReNomによるNeural Style Transfer
ReNom User Group
ReNom User Group #1 Part2
ReNom User Group #1 Part2
ReNom User Group
ReNom User Group #1 Part1
ReNom User Group #1 Part1
ReNom User Group
深層学習を医療に応用するために
深層学習を医療に応用するために
ReNom User Group
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
ReNom User Group
強化学習を用いたポートフォリオマネジメントの試み
強化学習を用いたポートフォリオマネジメントの試み
ReNom User Group
元BIエバンジェリストが語る!脱獄matplot!
元BIエバンジェリストが語る!脱獄matplot!
ReNom User Group
ReNom User Group #1 Part3
ReNom User Group #1 Part3
ReNom User Group
Style transfer
Style transfer
zaburo
Infrastructure as CodeでReNom環境構築入門
Infrastructure as CodeでReNom環境構築入門
ReNom User Group
Recurrent Neural Networks
Recurrent Neural Networks
Seiya Tokui
再帰型ニューラルネット in 機械学習プロフェッショナルシリーズ輪読会
再帰型ニューラルネット in 機械学習プロフェッショナルシリーズ輪読会
Shotaro Sano
AWS OpsWorksのご紹介
AWS OpsWorksのご紹介
Amazon Web Services Japan
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
Takayoshi Yamashita
AWS Black Belt Online Seminar 2017 Deployment on AWS
AWS Black Belt Online Seminar 2017 Deployment on AWS
Amazon Web Services Japan
深層学習時代の自然言語処理
深層学習時代の自然言語処理
Yuya Unno
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Insight Technology, Inc.
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Insight Technology, Inc.
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
griddb
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
Insight Technology, Inc.
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
griddb
b→dash Pamphlet.pdf
b→dash Pamphlet.pdf
mizukiebato
More Related Content
Viewers also liked
ReNomによるNeural Style Transfer
ReNomによるNeural Style Transfer
ReNom User Group
ReNom User Group #1 Part2
ReNom User Group #1 Part2
ReNom User Group
ReNom User Group #1 Part1
ReNom User Group #1 Part1
ReNom User Group
深層学習を医療に応用するために
深層学習を医療に応用するために
ReNom User Group
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
ReNom User Group
強化学習を用いたポートフォリオマネジメントの試み
強化学習を用いたポートフォリオマネジメントの試み
ReNom User Group
元BIエバンジェリストが語る!脱獄matplot!
元BIエバンジェリストが語る!脱獄matplot!
ReNom User Group
ReNom User Group #1 Part3
ReNom User Group #1 Part3
ReNom User Group
Style transfer
Style transfer
zaburo
Infrastructure as CodeでReNom環境構築入門
Infrastructure as CodeでReNom環境構築入門
ReNom User Group
Recurrent Neural Networks
Recurrent Neural Networks
Seiya Tokui
再帰型ニューラルネット in 機械学習プロフェッショナルシリーズ輪読会
再帰型ニューラルネット in 機械学習プロフェッショナルシリーズ輪読会
Shotaro Sano
AWS OpsWorksのご紹介
AWS OpsWorksのご紹介
Amazon Web Services Japan
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
Takayoshi Yamashita
AWS Black Belt Online Seminar 2017 Deployment on AWS
AWS Black Belt Online Seminar 2017 Deployment on AWS
Amazon Web Services Japan
深層学習時代の自然言語処理
深層学習時代の自然言語処理
Yuya Unno
Viewers also liked
(16)
ReNomによるNeural Style Transfer
ReNomによるNeural Style Transfer
ReNom User Group #1 Part2
ReNom User Group #1 Part2
ReNom User Group #1 Part1
ReNom User Group #1 Part1
深層学習を医療に応用するために
深層学習を医療に応用するために
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
強化学習を用いたポートフォリオマネジメントの試み
強化学習を用いたポートフォリオマネジメントの試み
元BIエバンジェリストが語る!脱獄matplot!
元BIエバンジェリストが語る!脱獄matplot!
ReNom User Group #1 Part3
ReNom User Group #1 Part3
Style transfer
Style transfer
Infrastructure as CodeでReNom環境構築入門
Infrastructure as CodeでReNom環境構築入門
Recurrent Neural Networks
Recurrent Neural Networks
再帰型ニューラルネット in 機械学習プロフェッショナルシリーズ輪読会
再帰型ニューラルネット in 機械学習プロフェッショナルシリーズ輪読会
AWS OpsWorksのご紹介
AWS OpsWorksのご紹介
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
AWS Black Belt Online Seminar 2017 Deployment on AWS
AWS Black Belt Online Seminar 2017 Deployment on AWS
深層学習時代の自然言語処理
深層学習時代の自然言語処理
Similar to TDAを構成する技術の紹介 ~PCA編~
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Insight Technology, Inc.
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Insight Technology, Inc.
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
griddb
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
Insight Technology, Inc.
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
griddb
b→dash Pamphlet.pdf
b→dash Pamphlet.pdf
mizukiebato
Strata conference 2012
Strata conference 2012
Junya Yamaguchi
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
Atsushi Tsuchiya
データファブリックによるトランザクションの速度でアナリティクスを提供
データファブリックによるトランザクションの速度でアナリティクスを提供
Denodo
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
NTT DATA Technology & Innovation
Big Data Visual Analytics Realized By Hadoop and Tableau
Big Data Visual Analytics Realized By Hadoop and Tableau
DataWorks Summit
Tableau Desktop データ準備の新機能: ユニオン、ピボット、データインタープリタ、など
Tableau Desktop データ準備の新機能: ユニオン、ピボット、データインタープリタ、など
Ryusuke Ashiya
[Oracle Innovation Summit Tokyo 2018] 水環境の持続を支えるクラウド型ICTプラットフォーム「Water Busine...
[Oracle Innovation Summit Tokyo 2018] 水環境の持続を支えるクラウド型ICTプラットフォーム「Water Busine...
オラクルエンジニア通信
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
CLOUDIAN KK
佐賀大学 - データ分析と向き合う
佐賀大学 - データ分析と向き合う
Daiyu Hatakeyama
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料
オラクルエンジニア通信
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
Google Cloud Platform - Japan
[Japan Tech summit 2017] DAL 006
[Japan Tech summit 2017] DAL 006
Microsoft Tech Summit 2017
Datalake最新情報セミナー
Datalake最新情報セミナー
mtanaka0111
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
Daiyu Hatakeyama
Similar to TDAを構成する技術の紹介 ~PCA編~
(20)
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
[db tech showcase Tokyo 2017] D35: 何を基準に選定すべきなのか!? ~ビッグデータ×IoT×AI時代のデータベースのアー...
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
何を基準に選定すべきなのか!? 〜ビッグデータ×IoT×AI時代のデータベースのアーキテクチャとメカニズムの比較〜
b→dash Pamphlet.pdf
b→dash Pamphlet.pdf
Strata conference 2012
Strata conference 2012
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
データファブリックによるトランザクションの速度でアナリティクスを提供
データファブリックによるトランザクションの速度でアナリティクスを提供
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
データ活用を俊敏に進めるためのDataOps実践方法とその高度化のためのナレッジグラフ活用の取り組み(NTTデータ テクノロジーカンファレンス 2020 ...
Big Data Visual Analytics Realized By Hadoop and Tableau
Big Data Visual Analytics Realized By Hadoop and Tableau
Tableau Desktop データ準備の新機能: ユニオン、ピボット、データインタープリタ、など
Tableau Desktop データ準備の新機能: ユニオン、ピボット、データインタープリタ、など
[Oracle Innovation Summit Tokyo 2018] 水環境の持続を支えるクラウド型ICTプラットフォーム「Water Busine...
[Oracle Innovation Summit Tokyo 2018] 水環境の持続を支えるクラウド型ICTプラットフォーム「Water Busine...
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
佐賀大学 - データ分析と向き合う
佐賀大学 - データ分析と向き合う
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & App...
[Japan Tech summit 2017] DAL 006
[Japan Tech summit 2017] DAL 006
Datalake最新情報セミナー
Datalake最新情報セミナー
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
More from ReNom User Group
AI画像認識モデル開発をやってみた!#1
AI画像認識モデル開発をやってみた!#1
ReNom User Group
ReNomを利活用した溶接モニタリングの取組について
ReNomを利活用した溶接モニタリングの取組について
ReNom User Group
ReNom IMG version3.0最新情報の紹介
ReNom IMG version3.0最新情報の紹介
ReNom User Group
Renomロードマップの紹介
Renomロードマップの紹介
ReNom User Group
EDGEMATRIX社のご紹介と、Edge AI Computing Platformについて
EDGEMATRIX社のご紹介と、Edge AI Computing Platformについて
ReNom User Group
AIのビジネス実装を成功に近づけるために
AIのビジネス実装を成功に近づけるために
ReNom User Group
ReNomDL 高速化の紹介
ReNomDL 高速化の紹介
ReNom User Group
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
ReNom User Group
ReNom IMGの活用事例 + ReNom TAGの告知
ReNom IMGの活用事例 + ReNom TAGの告知
ReNom User Group
ReNom RG新機能の紹介
ReNom RG新機能の紹介
ReNom User Group
ReNomDL V3の紹介
ReNomDL V3の紹介
ReNom User Group
エンジニアではなくてもAIモデル構築が可能な時代に
エンジニアではなくてもAIモデル構築が可能な時代に
ReNom User Group
バージョンアップした「ReNomIMG」の紹介
バージョンアップした「ReNomIMG」の紹介
ReNom User Group
数値回帰モデル作成アプリケーション 「ReNomRG」の紹介
数値回帰モデル作成アプリケーション 「ReNomRG」の紹介
ReNom User Group
ReNomIMG を使った料理名判別による栄養管理アプリ
ReNomIMG を使った料理名判別による栄養管理アプリ
ReNom User Group
AI/DeepLearningに必要なデータ準備〜そのデータ本当ですか?~
AI/DeepLearningに必要なデータ準備〜そのデータ本当ですか?~
ReNom User Group
ReNom チュートリアルと今後 ~renom.jpで始めるAI開発~
ReNom チュートリアルと今後 ~renom.jpで始めるAI開発~
ReNom User Group
ReNom DP&TDA
ReNom DP&TDA
ReNom User Group
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返り
ReNom User Group
ユニアデックスのAIに向けた取り組みご紹介
ユニアデックスのAIに向けた取り組みご紹介
ReNom User Group
More from ReNom User Group
(20)
AI画像認識モデル開発をやってみた!#1
AI画像認識モデル開発をやってみた!#1
ReNomを利活用した溶接モニタリングの取組について
ReNomを利活用した溶接モニタリングの取組について
ReNom IMG version3.0最新情報の紹介
ReNom IMG version3.0最新情報の紹介
Renomロードマップの紹介
Renomロードマップの紹介
EDGEMATRIX社のご紹介と、Edge AI Computing Platformについて
EDGEMATRIX社のご紹介と、Edge AI Computing Platformについて
AIのビジネス実装を成功に近づけるために
AIのビジネス実装を成功に近づけるために
ReNomDL 高速化の紹介
ReNomDL 高速化の紹介
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
ReNom IMGの活用事例 + ReNom TAGの告知
ReNom IMGの活用事例 + ReNom TAGの告知
ReNom RG新機能の紹介
ReNom RG新機能の紹介
ReNomDL V3の紹介
ReNomDL V3の紹介
エンジニアではなくてもAIモデル構築が可能な時代に
エンジニアではなくてもAIモデル構築が可能な時代に
バージョンアップした「ReNomIMG」の紹介
バージョンアップした「ReNomIMG」の紹介
数値回帰モデル作成アプリケーション 「ReNomRG」の紹介
数値回帰モデル作成アプリケーション 「ReNomRG」の紹介
ReNomIMG を使った料理名判別による栄養管理アプリ
ReNomIMG を使った料理名判別による栄養管理アプリ
AI/DeepLearningに必要なデータ準備〜そのデータ本当ですか?~
AI/DeepLearningに必要なデータ準備〜そのデータ本当ですか?~
ReNom チュートリアルと今後 ~renom.jpで始めるAI開発~
ReNom チュートリアルと今後 ~renom.jpで始めるAI開発~
ReNom DP&TDA
ReNom DP&TDA
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返り
ユニアデックスのAIに向けた取り組みご紹介
ユニアデックスのAIに向けた取り組みご紹介
TDAを構成する技術の紹介 ~PCA編~
1.
CONFIDENTIAL INFRASTRUCTURE + LIFE
+ INNOVATION 2017/11/08 TDAを構成する技術の紹介 ~PCA編~
2.
CONFIDENTIAL 前回のおさらい TDAとは、 データ分析の手法の1つ(機械学習、深層学習など) 位相幾何学(Topology)を用いてデータの形状を可視化し分析する。 2017/11/08
3.
CONFIDENTIAL Point Cloudの作り方 2017/11/08 統計量や次元削減など様々な手法を用いることができる。 本日は、その中でPCAについて紹介する。 https://www.slideshare.net/AnalyticsWeek/tda-33562822
4.
CONFIDENTIAL 主成分分析(PCA) 2017/11/08 情報の損失を少なくデータの次元を削減する手法 高次元データでも2 or 3次元に落とせば可視化できる。
5.
CONFIDENTIAL 例 2017/11/08 55 60 65 70 75 80 85 90 155 160 165
170 175 180 185 190 195 身長、体重をプロットしたもの。 これを1次元で表したい。
6.
CONFIDENTIAL 例 2017/11/08 55 60 65 70 75 80 85 90 155 160 165
170 175 180 185 190 195 体重の軸に投影 身長の軸に投影 片方の軸に投影してしまうと、もう一方の情報が失われてしまう。
7.
CONFIDENTIAL 例 2017/11/08 身長、体重の両方の情報を入れた軸が欲しい。 55 60 65 70 75 80 85 90 155 160 165
170 175 180 185 190 195 直感的にこのような 軸が思い浮かぶ
8.
CONFIDENTIAL 例 2017/11/08 55 60 65 70 75 80 85 90 155 160 165
170 175 180 185 190 195 なぜこれが良いと思うか? 55 60 65 70 75 80 85 90 155 160 165 170 175 180 185 190 195 特徴の異なる点が 近くに来てしまう
9.
CONFIDENTIAL 例 2017/11/08 55 60 65 70 75 80 85 90 155 160 165
170 175 180 185 190 195 データの広がりが大きい方向に 軸を取ればデータを区別できる
10.
CONFIDENTIAL PCAの弱点 2017/11/08 複雑なデータを区別できない。 元の空間での距離関係がなくなってしまうことがある。 digitデータセット(64次元)をPCAで可視化
11.
CONFIDENTIAL PCAの利点 2017/11/08 新しい軸(z)が元の変数で表すことができる。 ・ 身長 体重 次元削減後のデータが次元削減前の何%の情報量を持つか(寄与率)が計算できる。 55 60 65 70 75 80 85 90 155
160 165 170 175 180 185 190 195 例) z = 0.6 x 身長 + 0.4 x 体重
12.
CONFIDENTIAL まとめ 2017/11/08 PCAとは、 ・情報の損失を少なくデータの次元を削減する手法 ・データの広がり(分散)の大きい方向に軸を取る ・複雑なデータの次元削減には向かない ・元の変数で新たな軸を表せるので、次元削減後のデータの解釈が容易 TDAにおいて、 ・データを分割する際の基準に使える
Download now