フォーラム 個人情報保護方針 | 利用規約

「情報と鉄道」「ユニバーサルデザインと鉄道」「社会と鉄道」がテーマのフォーラムです。(16歳以上対象)


全角と半角、大文字と小文字が区別されます。



「主成分得点」に関連するキーワード


主成分分析 発想 主成分 変量 多変量データ 散布図 研究 PC1
主成分分析 主成分 得点 主成分得点 主成分回帰 各主成分 主成分スコア 得点プロフィール


「主成分得点」に関連する記事

全15件

[3639]

【自由研究】ふわコレ(6) tht - 2018/4/30

キーワード 生後早期 感受性期間 節入 クランベリー味 視力発達 パースペクティブ 線画 PC5

|主成分得点でCART®|V1〜V7から得られる&br;PC2〜PC7|→|V1〜V7から得られる&br;PC1|(かつお節入り)&br;かつお節・&br;チキン・&br;ポーク・&br;お米・&br;大豆・&br;小魚・&br;クランベリー味|。


[3716]

【A9・Exp.】「乗客のアルゴリズム」一計 tht - 2019/6/9

キーワード ジョーンズ先生 パースペクティブ 全員下車 高度指定 詳細設定 半角カナ 漁業者 大塚商会

> 固有ベクトル中心性というのは、ノード数が8なら8×8の、225なら225×225の隣接行列を入力とする主成分分析そのもので、第1主成分の主成分得点(※各ノードごとに値が出てくる)をそのまま中心性指標として使うという、きわめて荒っぽい方法ではございます。


[3584]

研究ホワイトボックス(30) ハイパー・ゼロ:「主成分分析」FAQ tht - 2017/12/19

キーワード 独立成分分析 無制限 類似点 手中 被説明変数 柳井 素点 粉体

主成分得点の行列から距離行列をつくって、さらにウォード法などで…というのは、比ゆ的には『距離行列の自乗!』みたいな、似た意味の操作を二重に加えた(二乗したみたいに強調される)みたいな気がしないでもないんですけど、どう考えればいいんでしょうか。


[3707]

研究ホワイトボックス(35) 複雑なデータと「対話」するには〜郵便番号データを例に(R編) tht - 2019/5/24

キーワード ラーメン店数 一節 ヘルツ 野沢 PC5 連続テレビ小説 TensorFlow パイナップルチャーハン

主成分得点(mycmp48$x)を使ってk-meansしていることに注意。※まったくエレガントとは言えませんが、「ご当地ベクトル!」だけの主成分分析を先に行なって第1主成分の主成分得点を使うという方法でもよいのではありませんか。


[3636]

Re:[3583] 或るナポリタンと停電のハフソク(則) tht - 2018/4/10

キーワード 農学博士 長尾 TensorFlow 手中 ロールモデル 予測モデル 音場 京成友膳

・4変量を「prcomp関数」(scale=TRUE)にかけて得た「x」(主成分得点の行列)。・「rpart関数」で「スコアFin」を主成分得点(PC1からPC4)で説明させる。…SVD! SVD! どう見てもSVDですありがとうございましたー(※)…じゃなくて、V1からV4までの(4×122の)データ行列をSVD(特異値分解)して得られる主成分得点(PC1からPC4)でV1を説明させた「回帰木」です。


[3566]

「決定木」を1度忘れて再び「ランダムフォレスト」に至る(談) tht - 2017/11/19

キーワード 住宅供給公社 独立成分分析 量子力学的 類似点 偽色 量子的 アンニュイ スクリープロット

> 指数は、5つの調査項目の第1主成分得点である。「5つの調査項目」から「SEMの検証的因子分析モデルで算出」した「第1主成分得点」が「総合PQ」と呼ぶ指数であるという説明でございました。本当でしょうか&結局のところわたしたち、(「第1主成分得点」を求めている部分の計算は)主成分分析(そのもの)だと思っていいんでしょうか。


[3868]

まだ見ぬ「ドリームかまち」を探して(インサイト編) tht - 2019/12/30

キーワード 飯倉 青々 ワイナリー ユーティリティー 無人島 モーメント Enter 長浜町

なるほどk-meansの返り値の「centers」が生の座標ではなく主成分得点での表現になってるのを、「prcomp関数」の返り値として格納されてくる「rotation」を使って元の座標に戻せばいいんじゃないですか。


[3575]

研究ホワイトボックス(29) 多変量データの全域を考察するには〜駅弁の商品構成を例に(後編) tht - 2017/12/3

キーワード 商品ラインナップ 商品構成 季節弁当 スクリープロット 自己相関 カート Regression 共分散行列

▼(1)生の多変量データと、▼(2)主成分分析で得られた主成分得点の行列(ぜんぶ)を、▼いずれも第1主成分を目的変数、第2〜第7主成分を説明変数とする(=後述)「rpart」で得られた分割の結果で色分けしてアニメーションしています。


主な記事を表示しています


neorail.jp/は、個人が運営する非営利のウェブサイトです。広告ではありません。 All Rights Reserved. ©1999-2020, tht.