ラビットチャレンジ_機械学習4

・主成分分析(PCA)

　・教師なし学習の1つで、次元削減を行う際に使用する。
　・分散が最大になるように次元削減をする
　　⇒分散が最大 = データの情報が一番残っている
　・目的関数に制約条件(ノルムが1になるものｓ以下考えない)を付加した
　　ラグランジュ関数を微分して分散が最大になる点を見つける
　・寄与率：第k主成分の分散の全分散に対する割合
　・累積寄与率：第1-k主成分まで八淑した際の情報損失量の割合
　
　演習：乳がん検査データを利用しロジスティック回帰モデルを作成
　　　　主成分を利用し2次元空間上に次元圧縮
　課題：32次元のデータを2次元上に次元圧縮した際に、
　　　　うまく判別できるか確認する
　
　説明変数30個でロジスティック回帰モデルを用いて分類した結果
　⇒97.2%で分類できている

　2次元に圧縮した結果
　⇒分類できている
　　メリット：分類できていることを図で確認できるため説明に説得力がでる