主成分分析 (PCA)とは
機械学習(教師なし学習)で，データの相関を分析することでデータの構造を掴む次元圧縮の手法の1つ．
次元圧縮とは
データの特徴量の数が多い場合に，相関を持つ多数の特徴量から，データの情報を失わない程度に次元を低くし，相関のない少量の特徴量へ圧縮すること．
ここで得られる少数の特徴量を主成分という．
次元圧縮(dimentionality redution)のメリット
- 学習にかかる時間を減らす．
- データを可視化することができる．
主成分回帰 (PCR / Principal Component Regression)
主成分分析と回帰分析を合わせた手法．主成分分析で特徴量を削減した後，回帰分析(主に最小２重回帰のような線形回帰)を行う．
しかし，コロナ下で聞かれるようになったPCR検査は，正式名称「ポリメラーゼ連鎖反応」（Polymerase Chain Reaction）の略でウイルス等の遺伝子（DNA：デオキシリボ核酸）を増幅させて検出する技術のことである．
特異値分解(Singular Value Decomposition / SVD)
ある行列を複数の行列の積で表現する行列分解の１つ．
cf ) 多次元尺度構成法 (Multi-Dimensional Scaling / MDS)
t-SNE (t-distributed Stochastic Neighbor Embedding)
可視化に用いられる次元圧縮の手法
見るべき解説動画
数式を交えた解説動画
ハンズオンもあり
ハンズオンによる説明