目次:
定義-主成分分析（PCA）とはどういう意味ですか？
主成分分析（PCA）は、より大きなデータセットから主成分として知られる少数の無相関変数の識別に使用される手法です。 この手法は、バリエーションを強調し、データセットの強力なパターンをキャプチャするために広く使用されています。 1901年にカールピアソンによって発明された主成分分析は、予測モデルと探索的データ分析で使用されるツールです。 主成分分析は、有用な統計手法と見なされ、画像圧縮、顔認識、神経科学、コンピューターグラフィックスなどの分野で使用されます。
Techopediaは主成分分析（PCA）について説明します
主成分分析により、データの探索と視覚化が容易になります。 複雑でわかりにくいデータセットから情報を抽出するためのシンプルなノンパラメトリック手法です。 主成分分析は、主成分の数が最も少ない最大分散量に焦点を当てています。 主成分分析に関連する明確な利点の1つは、関係するデータでパターンが見つかると、データの圧縮もサポートされることです。 主成分分析を使用して、変数の数を排除するか、観測数と比較して予測子が多すぎる場合、または多重共線性を回避します。 これは正準相関分析に密接に関連しており、相関変数を含む観測値のセットを主成分として知られる値のセットに変換するために直交変換を利用します。 主成分分析で使用される主成分の数は、より少ない観測数以下です。 主成分分析は、最初に使用された変数の相対的なスケーリングに敏感です。
主成分分析は、市場調査、社会科学、大規模なデータセットが使用される業界など、多くの分野で広く使用されています。 この手法は、元のデータの低次元画像を提供するのにも役立ちます。 複雑でわかりにくいデータセットを単純化された有用な情報セットに削減するための主成分分析の場合、最小限の労力で済みます。
