Machine learning
主成分分析
主成分分析（PCA）は、教師なし次元削減手法であり、その現代的な教科書的扱いはIan Jolliffe (2002) によるものであるが、高次元データを、可能な限り最大の分散を保持しながら、より少ない次元に圧縮する。これは相関のある変数を、各々が捉えるデータの変動量の順に並べた、相関のない少数の主成分の集合に再表現するものである。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
出典
- Jolliffe, I.T. (2002). Principal Component Analysis (2nd ed.). Springer. DOI: 10.1007/b98835 ↗
このページの引用方法
ScholarGate. (2026, June 1). Principal Component Analysis (PCA). ScholarGate. https://scholargate.app/ja/machine-learning/pca
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →