- AIでデータ分析-データ前処理(77)-特徴選択・次元削減：主成分分析(PCA)による次元削減
- 用いるデータの紹介
- Pythonで実装
- AIの活用：geminiを活用
- まとめ
AIでデータ分析-データ前処理AIでデータ分析-データ前処理(77)-特徴選択・次元削減：主成分分析(PCA)による次元削減
今回はデータの前処理でよく行われるチェックリスト(77)-特徴選択・次元削減：主成分分析(PCA)による次元削減 をAIを用いて行ってみたいと思います。
AIを用いることでいかに効率化できるのか、体験していただければと思います。
所要時間は10分ほどとなっています。
それでは、さっそく始めていきましょう！
データの紹介
今回用いる前処理練習用のcsvデータです。
サンプルデータはこちらから、チェックリストはこちらからダウンロードできます。
1行が1訪問を表すデータになっています。
Pythonで実装
まずはPythonで実行します。
所要時間30分でした。
AIの活用：geminiを活用
今度は同じことがAIでもできるかgeminiに依頼します。
結果を確認します。
前処理が若干異なるため結果の値が変わってしまいましたが、AIで代替できそうではあります。。時間の都合で確認は省略します。
所要時間2分でした。
まとめ
今回は前処理練習用のデータに対し、前処理チェックリスト(77)-特徴選択・次元削減：主成分分析(PCA)による次元削減 をAIを用いてできるか試しました。
結果はAIで代替できそうなことを確認することができました。
AIでできることとできないことを把握し、うまく活用することで、データ分析もかなり効率化できそうですね！
AIでデータ分析-データの前処理(77)-特徴選択・次元削減：主成分分析(PCA)による次元削減 は以上となります！