November 2020
Intermediate to advanced
396 pages
8h 34m
Japanese
book
データサイエンスのための統計学入門 第2版 ―予測、分類、統計モデリング、統計的機械学習とR/Pythonプログラミング
by Peter Bruce, Andrew Bruce, Peter Gedeck, 黒川 利明, 大橋 真也
Content preview from データサイエンスのための統計学入門 第2版 ―予測、分類、統計モデリング、統計的機械学習とR/Pythonプログラミング
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
338
■
7
章 教師なし学習
対応する
Python
コードは次の通り。
（
Python
）
loadings = pd.DataFrame(sp_pca1.components_[0:2, :],
columns=top_sp1.columns)
loadings.transpose()
最初の
2
つの主成分では、ほぼ完全に
GOOGL
と
AMZN
が優勢である。
GOOGL
と
AMZN
の株価変動が変動性の大勢を占めているからだ。
この状況を処理するには、変数をスケールし直す（「7.5.1 変数のスケーリング」参
照）か、分析から優勢な変数を取り除いて、それらを別途処理するかだ。「正しい」とさ
れている方法はなく、処理はアプリケーションに依存する。
図 7-13 GOOGLとAMZNを含めたS&P500 のトップ株式のPCAによるスクリープロット
7.5.3
カテゴリデータと
Gower
距離
カテゴリデータの場合、（順序ファクタなら）順位付けによるか、一連の二値（ダミー）
変数でエンコーディングするかして、数量データに変換する必要がある。データが連
続変数と二値変数の混合なら、通常は、変数をスケールして同じ範囲になるようにする
（「7.5.1 変数のスケーリング」参照）。よく使われるのが、Gower 距離だ。
7.5