概要

参考:

意味がわかる主成分分析 – Qiita

導入

参考:

次元削減とは?次元削減と主成分分析に関して学ぼう! | AI Academy Media

主成分分析とは何なのか、とにかく全力でわかりやすく解説する | CCT-recruit

主成分分析 (PCA) – 次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

手法/アルゴリズム

参考:

この PCA が熱い トップ10 – Qiita

scikit-learn

Dimensionality Reduction

(出典scikit-learn

こちらのページを参照

参考:

主成分分析 (PCA) – 次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

Kernel PCA – 次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

Spectral Embedding – 次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

Isomap – 次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

Locally Linear Embedding – 次元圧縮 | 機械学習、AI、ディープラーニングのプログラミングを解説

Decomposing Signals in Components (Matrix Factorization Problems) | scikit-learn Documentation [Official]

sklearn.decomposition.PCA | scikit-learn Documentation [Official]

資料

参考:

機械学習と主成分分析 – SlideShare

記事をシェアする:
タグ:

コメントを残す

メールアドレスが公開されることはありません。

Protected by reCAPTCHA