主成分分析（PCA）とは？-AI関連の用語集【クラベルAI】-

Q: PCAは、AIの一種ですか？

機械学習の中の、教師なし学習の手法の1つです。統計学では古くから使われてきた方法です。正解データがなくても使えるのが特徴で、データの下ごしらえにもよく使われます。

Q: PCAをかけると、精度が上がりますか？

上がる場合も、下がる場合もあるのが実情です。ノイズが減って安定する例もあれば、重要な情報が落ちる例もあります。かける前後で、成績を比べて確認しましょう。

Q: Excelでも、PCAはできますか？

標準機能にはなく、アドインやほかのツールを使います。統計ソフトやPythonのライブラリなら数行でできます。ツールを使う場合も、データを標準化してから入れるのが基本です。

主成分分析（PCA）
- 主成分分析（PCA）関連用語
主成分分析（PCA）で知っておくと得する有益情報
主成分分析（PCA）やさしい解説
主成分分析（PCA）についてのみんなの疑問
AI関連の用語集【まとめ】

主成分分析（PCA）

アイちゃんのイラスト — 一番ばらつく向きに、まとめ直す
点が斜めに広がっています。
一番ばらつく向きに軸を引きます。
軸の上に点をまとめ直します。

主成分分析（PCA）とは、多くの項目の情報を、ばらつきの大きい順に並べた少数の軸（主成分）へまとめ直す方法のことです。英語名 Principal Component Analysis の頭文字をとってPCAと呼ばれます。散らばり方がいちばん大きい方向を第1主成分、次を第2主成分と決めていきます。上位の2〜3個だけを使えば、項目を大きく減らしても全体の傾向が残ります。

主成分分析（PCA）関連用語

主成分分析（PCA）に関連する単語は以下の通りです。

主成分分析（PCA）で知っておくと得する有益情報

PCAは次元削減の定番です。使うときに知っておくと役立つ点をまとめました。

累積寄与率を見る上位の主成分で全体の何割を説明できるかを確かめ、使う数を決めます。
単位をそろえて使う円とセンチなど単位が違う項目は、標準化してからかけます。
軸の意味は人が付ける主成分は項目の混ぜ合わせです。何を表すかは、数値を見て解釈します。

主成分の読み方

用語	意味
主成分	情報が多く残る新しい軸
寄与率	その軸が説明できる割合
累積寄与率	上位の軸を合わせた説明の割合
負荷量	元の項目が軸にどれだけ効くか