Content-Length: 152223 | pFad | http://b.hatena.ne.jp/entry/www5.ocn.ne.jp/~shinya91/csm/331csm_multi.html

[B! 多変量解析] 多変量解析

多変量解析

学びカテゴリーの変更を依頼記事元:

www5.ocn.ne.jp/~shinya91

101 usersがブックマークコメント

コメント

8

記事へのコメント8件

注目コメント
新着コメント

teddy-g 多変量解析について、野球をテーマにけっこう詳しく説明してある。野球知らんから例えがピンとこない。

analytics

2014/03/18 リンク

sociolego データマイニング

アクセス解析

2012/06/26 リンク

papiro まずはイメージから、、

2012/02/08 リンク

richard_raw 主成分分析分かりやすいです。しかし私は野球に疎い……。

統計
clip

2011/10/14 リンク

miya1972 分かりやすい→

2011/04/04 リンク

yiizuka 分かりやすい

2011/03/03 リンク

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

規約違反を報告

アプリのスクリーンショット

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

関連記事

多変量解析

データの中には、多くのトレンド（傾向）が必ず隠れています。このトレンドをつかむことができるのなら... データの中には、多くのトレンド（傾向）が必ず隠れています。このトレンドをつかむことができるのならば優位に意思決定を進めることができます。このページでは、データの中からトレンドを見つける多変量解析の手法を紹介します。ことわざで「木を見て森を見ず（You can't see the forest wood for the trees. ）」といわれるように、データマイニングの分野ではマクロ（巨視的）な視点で全体を捉える能力が求められます。とはいえ、データの要素数が多くなると全体像を捕らえることが困難になるのです。コンピュータは局所的な数値の集合として全体を把握していますので、意味ある情報として全体を見ることが不得意です。逆に人間には、もともと空間的に全体像を捉える能力が超越しています。例をあげて解説します。左図は写真です。写真も「画素」と呼ばれる一つ一つの情報の集まりで全

ブックマークしたユーザー

linuxdiary2014/12/21
nanica2014/05/25
kouhei_mizuno2014/05/01
teddy-g2014/03/18
babydaemons2013/10/19
tttttahiti2013/10/09
delegate2013/05/31
masato198810182012/11/29
azuki_mihomiho2012/10/14
y_maki2012/09/10
sociolego2012/06/26
kimihito2012/06/12
koji_ohki_19742012/05/23
kaisou45372012/05/01
Com2012/02/18
papiro2012/02/08
temita2012/02/06
jay7772012/01/10

同じサイトの新着

同じサイトの新着をもっと読む

いま人気の記事

いま人気の記事をもっと読む

いま人気の記事 - 学び

いま人気の記事 - 学びをもっと読む

新着記事 - 学び

新着記事 - 学びをもっと読む

設定を変更しましたx