エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
主成分分析と多次元尺度構成法 | Impronta di gatto
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
主成分分析と多次元尺度構成法 | Impronta di gatto
今日はお客さん向けの資料として、主成分分析(PCA)と多次元尺度構成法についてまとめている。 最初、... 今日はお客さん向けの資料として、主成分分析(PCA)と多次元尺度構成法についてまとめている。 最初、多次元尺度構成法の英語名Multidimensional Scaling(MDS) しか分からず、しかもスペルミスのままGoogleしていたので、ちっともいい資料にたどり着かず、これはかなりマイナーな方法なのか?!と思ってしまった。日本人が少ない外資系企業では、まず最適な日本語訳を見つけることから始めねばならない。。多次元尺度構成法で調べると、わんさと出てきた。ほっ。 どちらもデータの要約に用いられる方法だが、着眼点が違う。 PCAは、データの散らばり具合を情報量としてできるだけ保持して合成変数を作成し、それを軸としてデータを要約するのに対し、MDSは対象間の距離を維持したまま、小さな次元に要約する。PCAでは、合成された変数が何かしらの意味を持つのに対し、MDSでの軸は特に意味はもたない。