"PrincipalComponentsAnalysis" (機械学習メソッド)

詳細とサブオプション

  • "PrincipalComponentsAnalysis"は線形次元削減法である．このメソッドは，データの最大分散を保持する線形の低次元空間に入力データを投影する．
  • "PrincipalComponentsAnalysis"法は特徴数と例の数が共に多いデータ集合に使われる．しかし，学習された多様体は線形にしかできない．
  • 以下のプロットは，"PrincipalComponentsAnalysis"法をベンチマークデータ集合のFisher's Irises，MNIST，FashionMNISTに適用した結果である．
  • "PrincipalComponentsAnalysis"は，データが標準化されている場合は，"Linear"と"LatentSemanticAnalysis"の各メソッドに等しい．

例題

すべて開くすべて閉じる

例  (1)

"PrincipalComponentsAnalysis"メソッドを使って線形次元削減器をベクトルのリストで訓練する：

訓練された削減器を新たなベクトルに使う：

スコープ  (1)

データ集合の可視化  (1)

ExampleDataからフィッシャー(Fisher)の「アヤメ」のデータ集合をロードする：

"PrincipalComponentsAnalysis" を各例の特徴と一緒に使って削減器関数を生成する：

例をその種でグループ化する：

特徴の次元を削減する：

削減されたデータ集合を可視化する：