手法に関する記事一覧
線形判別関数が計算できる(2次元で3群以上分割する場合)
判別分析において、線形判別関数が計算できますか？本記事では2次元データを例に3分割する線形判別関数の求め方をわかりやすく解説します。線形判別関数の結果と判別正誤率も解説します。多変量解析を学ぶ人は必読です。 - Page 8
2次元の線形判別関数の傾きは最大2種類である理由がわかる
2次元の線形判別直線の傾きを相関比の微分から求める時、相関比は分母分子ともに2次式なので、微分すると分子が3次式にあり、傾きを満たす解が最大3つになるのではないか？と思い、実際計算すると確かに解は最大2個になります。ちょっと疑問に思ったこともブログで解説していきます。 - Page 8
線形判別関数が計算できる(2次元、その2)
判別分析において、線形判別関数が計算できますか？本記事では2次元データを例に２記事にわたり線形判別関数の求め方をわかりやすく解説します。線形判別関数の結果と判別正誤率も解説します。多変量解析を学ぶ人は必読です。 - Page 8
線形判別関数が計算できる(2次元、その1)
判別分析において、線形判別関数が計算できますか？本記事では2次元データを例に２記事にわたり線形判別関数の求め方をわかりやすく解説します。多変量解析を学ぶ人は必読です。 - Page 8
線形判別関数Zの導出がわかる(2次元、平方和の分解)
線形判別関数は自分で導出できますか？ 本記事は線形判別関数を導出するための平方和の計算、平方和の分解を解説します。平方和の分解はＱＣすべての単元に必須なテクニックです。多変量解析を学ぶ人は必読です。 - Page 8
線形判別関数の正負がわかる
判別分析に使う、線形判別関数の正負、０のイメージができますか？ 本記事では、最も基本ベースとなる線形判別関数の値とそのイメージを高２数学で十分わかるように丁寧に解説します。簡単だからと思わず、丁寧に理解することが大事です。多変量解析を学ぶ人は必読です。 - Page 8
【まとめ】主成分分析を究める
主成分分析は解けますか？主成分分析は何をやる手法か説明できますか？ 本記事では、主成分分析を究めれられるポイントをわかりやすく解説しています。関連記事を読み進めると主成分分析はマスターできます。多変量解析を学ぶ人は必読です。 - Page 8
主成分分析ができる(3次元で重解がある場合)
主成分分析する際、めったにないですが、固有値解が重解をもつ場合があります。その場合、どう処理してよいかをわかりやすく解説します。固有値の重解の処理方法を復習しつつ主成分分析が学べます。ここまで読めば、主成分分析は網羅できたと言える記事です。多変量解析を学ぶ人はひ - Page 8
【注意】平方和・相関行列から求めた固有値・固有ベクトルは一致しない
主成分分析では、固有値・固有ベクトルを算出する時に使う平方和行列、相関係数行列によって値が異なります。その理由をわかりやすく解説し、両者からでも同じ固有値・固有ベクトルとなる場合も紹介します。多変量解析を学ぶ人は必読です。 - Page 8
主成分分析と回帰分析の違いがわかる
主成分分析と回帰分析の違いが説明できますか？本記事は、データ事例を用意して実際に分析することで両者の違いをわかりやすく解説します。多変量解析を学ぶと違いがわかりにくく混乱しがちです。多変量解析を学ぶ人は必読です。 - Page 8