はじめに データの前提 分散最大化(KL展開) 取り出したい成分について 問題の定式化 問題を解く 元々の多次元信号 次元削減後の信号 寄与率 各成分が無相関になるような射影先を選ぶ 5次元の観測データ 無相関化したデータ 確率的主成分分析(最尤推定) 定式化 解法 ベイズ主成分分析(MAP推定) 補足:事前分布は任意性を持つ ベイズ学習の基本 MAP推定 主成分分析のMAP推定コード(TensorFlow Probability) インポートとデータの準備 モデル 最適化ループ 学習されたモデルからのデータの生成 はじめに PCAは色々と勉強になるので、今回ここでザッとまとめておこうと思います。実はこれまでにも何度も取り上げていて、 www.hellocybernetics.tech www.hellocybernetics.tech 等などあるのですが、その場でその場で場当たり的に比較
![【まとめ】Principal Component Analysis【PCA:主成分分析】 - HELLO CYBERNETICS](https://cdn-ak-scissors.b.st-hatena.com/image/square/06a15c64ba0ceec233d86d71001ebb29a9dcbf5d/height=288;version=1;width=512/https%3A%2F%2Fcdn.blog.st-hatena.com%2Fimages%2Ftheme%2Fog-image-1500.png)