主成分分析(PCA)の気持ち

主成分分析はフランスパンで考えると分かりやすい(？)(やす)
------------------------------------------------------
予備校のノリで学ぶ「大学の数学・物理」のチャンネルでは主に
①大学講座：大学レベルの理系科目
②高校講座：受験レベルの理系科目
の授業動画をアップしており、他にも理系の高校生・大学生に向けた様々な情報提供を行っています
＜クラウドファンディング＞
このチャンネルは皆さまからのご支援で成り立っています。
応援してくださる方はご協力お願いいたします
camp-fire.jp/p...
＜公式HP＞
▼公式HPトップページ
yobinori.jp
▼動画一覧
yobinori.jp/vi...
▼おすすめの教科書や参考書
yobinori.jp/re...
▼お仕事・コラボのご依頼
yobinori.jp/co...
＜メンバーSNS＞
▼X
たくみ(講師)： / yobinori
やす(編集)： / yasu_yobinori
▼Instagram
たくみ(講師)： / yobinori
やす(編集)： / yobinoriyasu
▼note
たくみ(講師)：note.mu/yobinori
やす(編集)：note.mu/yasu_y...
▼公式グッズ
以下サイトで販売中
suzuri.jp/Yobi...
------------------------------------------------------
【エンディングテーマ】
“物語のある音楽”をコンセプトに活動するボーカル不在の音楽ユニット”noto”（ノート）
KZbinチャンネル『予備校のノリで学ぶ「大学の数学・物理」』の主題歌として書き下ろした一曲。
noto / 2nd single『Telescope』（feat.みきなつみ）
*****************************************************
noto公式KZbinチャンネルにてMusic Video フルver.が公開中！
【noto -『Telescope』】
• noto -『Telescope』（feat...
【みきなつみ公式KZbin】
/ @mikinatsu_official

[@レイナ-q5i]

ありがたい

[@suleJmani_1202]

ありがとうございます！ 因子分析や判別分析などの多変量分析の話も聞きたいです！

[@shachah_svaahaa]

少し前の動画でPOD（固有直交分解）の紹介があってからPCA解説は熱い伏線回収

[@ロング娘]

どのサイト読んでもわからなかったんですが、この動画でやっとわかりました！統計にベクトルの概念が入ってくるのが面白いなぁと思いました。

[@sim9261]

主成分分析、2年前に習った時はすごく難しく感じた記憶があったから、その時にこれを見たかった😢

[@マハトマ鑑真-v1y]

統計関連マジで熱い🤩サイコー

[@teralia]

めちゃくちゃ分かりやすかったです！ 勢い（一夜漬け）で理解していた概念が、真の意味での理解に変わりました。 統計もう一回勉強し直したいな、そう思えるきっかけにもなりました。いつもありがとうございます！

[@倦怠期-l2l]

機械学習関連死ぬほど助かります、

[@haruo_0u0]

これで後輩に教えるのにKZbinのリンク1行で済みます！！　自分の理解の確認にもめちゃくちゃ有難いです😆

[@otgfeejo4766]

自分も何となくフランスパンを思い浮かべて感覚で理解していたので、同じ例えが出てきたことに計り知れない勇気をもらいました。

[@hatsuyume6971]

ありがとうございます！ ぜひ因子分析もお願いしたいです…！

[@sabak7390]

固有値・固有ベクトルとの関係も触れてほしかったなぁ

[@えれん_00]

わかりやすかったです！

[@average334]

ちょうどPythonで統計分析してるとこだったので助かります

[@tekito3458]

情報科学の連続講義希望します。もっというと、数学、物理に限らず、様々な学問の連続講義を希望します。 応援してます。

[@iamint5069]

連続講義はきついかもなあ、そもそも大学の数学と物理を主に教えていくのがテーマだからねぇ、だが頑張ってほしいのは確か

[@tekito3458]

@@iamint5069 そうですよね！それに加えて、正しい知識をわかりやすくとなると相当大変ですよね！ただ、おすすめ学問の動画で生物、地学、経済も面白いっておっしゃってたので、挑戦してほしいですよね

[@yukim.7518]

すごくわかりやすかったです！

[@HirotoCB4]

大学時代にゼミで統計学を専攻していました。 僕自身は卒論で主成分分析は使いませんでしたが、その理論自体はとても面白いと思っています（ちゃんと学ぼうとすると線形代数の知識は必須ですが、それも含めて学んでいて楽しかったです） また、同期の１人が主成分分析を用いて男女年齢別の結婚観の差異について調べていてとても興味深い内容になっていましたね。

[@玉屋雪鷹]

今日、オッペンハイマー観に行ったんですが、クリストファー•ノーラン作品は好きだけど物理理論が難しくて難解です😢ですので、いつかノーラン作品の物理テーマを解説してほしいです😂最初はインセプションで最後はインターステラーでお願いします🎉

[@arkysk]

各主成分の意味付けは解析者のセンスに依存するのが難しけど面白い。成績の第二主成分は母集団によっては英語の得手不得手のようなものになる可能性もありそう。

[@itamura122]

考古学の本を読むと、古代人のゲノム解析でよく使われていますので、その意味が分かりました。

[@honey32-fun-programming]

「分散が小さいほど情報が少ない」って、 「どんぐりの背比べ」と似てるのでムリやり納得できた

[@gochuui1]

ちょうどマトリックスデータ解析法の 教育教材を作ろうとしていたので 仕事がなくなりました！ ありがとうございますッ！

[@塩ちゃんねる-h9f]

なんとなく主成分分析の気持ちがわかりました データ処理ってこういうやり方もあるんだな〜

[@road_to_x0]

主成分分析て第一主成分がスケーリングファクターみたいになるから、因子分析で因子軸回転させたりで分析することが多いですね。

[@のくのく-w1z]

統計シリーズもっと欲しいです！

[@田中-z2t7m]

大学研究員ですが、今日ちょうど研究業務で特異値分解したから助かります

[@husd3202]

研究員が動画に頼るなよ。レベルが低すぎる。

[@DT-cm4ge]

回帰分析とは発想が逆なんですね、面白かったです

[@人生パラドックス]

主成分分析は、 回帰分析の説明変数についての分析です。 どの説明変数が、影響与えているかを、分析です。 各説明変数が、影響しあっていたら、判らないので、次元を、減らず必要がある。 その減らす方法として、主成分分析です。

[@チノ-d7k]

いつか解析力学、テンソル、統計力学おなしゃす

[@user-lp7jb7me4r]

動画のストックめっちゃあると思うので、ラグランジュの未定乗数法や固有値・固有ベクトルなど、関連動画のリンクを添付していただけると非常に助かります。 どうもありがとうございました。

[@moroha10085]

動画が分類されている公式のまとめサイトが確かあったはずです。ヨビノリで検索すれば出てくるのでぜひ。

[@dedensya1]

ヒルベルト空間が分かれば説明が省けると思うのでヒルベルト空間の授業もお願いしたいところです。

[@takuyaoda3842]

因子分析の気持ちも見たいです。

[@user-ol6gi9yj5s]

n個の変数がデータに対してどの程度寄与しているのかを表す指標(寄与率)を用いて、データの情報量を効率的に削減する次元圧縮にもよく使用されます。是非、チェックしてみてください。この発展手法にt-SNEがあります。

[@ssusp]

視聴数とりにくいかもしれませんが圏論やってほしいです!

[@kayuta2906]

アホほど面白いな

[@atussy7465]

動物園デートでモテる方法を紹介してくれていた時代の動画に標準化の話はいっぱい紹介してくれていましたね♩

[@九條深雪]

ヨビノリさん部分分数分解のトラウマ治ってて良かった(積サーコラボ参照)

[@天才の証明]

実用性だけを考えるなら、今まででもダントツの授業や

[@クアントロ大尉]

「分散が大きい」とだけ言うと直感に反するが，それは「軸に垂直な散らばり」をイメージしてしまっているからで，ここでは「軸に沿った散らばり」のことを「分散」と言っている． ってザックリこんな理解でいいですかね？

[@庭尾水冠-s6q]

これってSNSの情報分析にも使えるんかなぁ。中央集権型SNSよりも分散型SNSの方が得られる情報が多い、みたいな。

[@仲原健太]

レイリー商を使うと簡単に導出出来ます

[@laplace7035]

Oja 1982のA Simplified Neuron Model as a Principal Component Analyzerの論文でなんで主成分分析と同じ計算ができるのかも知りたい。

[@森田文春]

Eテレにも進出するのですか？

[@森田文春]

サンプル数はどのくらい必要ですか？

[@法之]

体格と体型の定義が気になった。

[@sakuramanasin]

高校電磁気まだですか？

[@H2O-b2q]

それな

[@カービィ-s2y]

最近少し学術対談的な動画の頻度が増えている感じがするけど、電磁気の撮影を沢山やってるのかな？

[@kazx7182]

高校の化学全分野解説も欲しい

[@みつてる-u2n]

当たり前のように言ってるけど完成にめちゃくちゃ時間かかるぞw

[@takumayoshioka4757]

質問させてください…！例えばBMIは身重と体重を1次元に圧縮できる指標だと思うのですが、当然ながら人間が恣意的に決めた指標と、数学的に主成分分析で求めた指標は一致しない理解です。この場合、次元圧縮の方法は主成分分析だけではなくていろいろな方法があり、主成分分析はいつまでもその1つ、という捉え方で良いのでしょうか？

[@moroha10085]

動画主じゃなくて申し訳ないですが、主成分分析以外にも特異値分解などいろんな手法があるので、主成分分析はそのうちの一つ……といった具合だと思います。次元削減 手法とかで調べると出てくるので調べてみると面白いかもですね。

[@sirokuma8254]

因子分析の回転方法(バリマックス回転やプロマックス回転)を学ぶと多分分かりますよ

[@applepi314root]

今まで主成分分析してなかったっけ！！？？？って思ってしまう笑

[@Luke-qk1jz]

唐突ですが、ヨビノリたくみさんってイエス・キリストの再臨ってご存知ですか？聖書を読むともうすぐ来るみたいで私、それすごい楽しみにしてるんですよ！世界中の皆が集まる時なので！是非その時ヨビノリさんとも会いたいです！

[@user-GottDerMoralUndEthik]

近しい、ってのは人間関係に使う言葉だから、似ているって意味で使えないハズ？

[@妖精6648]

a^2が固定なのが理解できませんでした。z軸の引っ張り方でaの値も変わりますよね？？定数ではないと思うのですが

[@arkysk]

Z軸はデータの重心（×）を通るように引くので、元データが変わらない限りどんなZ軸を引いてもa^2（重心からの距離）は変わらないということだと思います。

[@jacksondavid-g9z]

Σとったらでは？

[@ふきのとう-i6p]

aは重心から各データへの距離なので、言ってしまえばz軸を引く前から値は決まってるってことだと思います

[@妖精6648]

みなさんご教示ありがとうございます！平均点からの距離ということを忘れてましたw

[@gaqulo-b8r]

滑らかに動く時計の短針、長針、秒針が時計をちょうど3等分することはありますか？

[@si1688]

ないんじゃなかったっけ

[@husd3202]

線形代数と微積の動画もっと出せばいいのに。この動画はネタ動画じゃないけど、最近は特にネタ動画が多すぎるね。まあ勉強する人はこのチャンネルの動画を見ないと思うのでどうでもいいのだけど。

[@shaft6541]

勉強する人にも、厳密な所は書籍を読むが、入りはヨビノリさんの動画を見る人は全然いますよ。なぜ勉強する人がヨビノリさんの動画を見ないと感じるのかが全くもって分かりません。

[@tomo_156_59]

動画の内容と全く関係のない質問で申し訳ありません。 今日、よびのりさんの特殊相対性理論についての動画を観ました。 動画ではどの観察者から見ても光は秒速30万で動くということで 参加者の質問であった「光のスピードで移動しながら光を見るとその光は止まって見えることはなく、変わらず秒速30万で動く。ならばその観測されている光を静止しているほかの観測者が見るとどうなる？」というものにも、「静止している観察者には光は秒速30万として見えている。」と返答していました。 ここで質問なんですが、例えばとても遠くの場所から地球に光の速さで何らかのデータを送ったとき、光の速さでそのデータを観測するとそのデータの速度は観測者にとっても光の速さになるのだとしたら、地球のデータ受信器まで光の速さで100秒かかるとき、データと同時に観測者が出発すると観測者にとってそのデータは50秒で受信機に届くはずです。 その時地球側はデータが発信されてから50秒の時にデータを受信したことになるのか、100秒の時に受信したことになるのか、どうなるんでしょうか？ 一応仮説としては、よびのりさんが動画内で必用に「そう見えている」と繰り返していたので、観測者からは50秒目に届いているが、地球にいる人たちからは100秒目に届いている。 というのが答えなのかなぁと予想しています。

[@angelchfan]

ごとうぶんのきもち

[@ジャージン-z3h]

わかりやすすぎる！！

[@倦怠期-l2l]

機械学習関連死ぬほど助かります、