図解入門 よくわかる多変量解析の基本と仕組み の商品レビュー
データマイニング論授業での参考書だったので・・・ 敢えて数式を避けた類書に比べて、適度な数式も交えて(ちょっと解説不足で唐突なところもあるが)、非常にわかりやすくまとめてある。 コラムに「社会調査士」の話が出てきて驚いた。
Posted by
個人的には学生の時に心理学で少しかじった多変量解析の理解のために。 多変量解析の方法論はいろいろ載っているが、何よりもまずは適切な方法を用いて分析ができるかが大切だと思う。その点は下記の分類がよかった。 1.目的変数がある場合 ①量的 - 量的 回帰分析 -...
個人的には学生の時に心理学で少しかじった多変量解析の理解のために。 多変量解析の方法論はいろいろ載っているが、何よりもまずは適切な方法を用いて分析ができるかが大切だと思う。その点は下記の分類がよかった。 1.目的変数がある場合 ①量的 - 量的 回帰分析 - 質的 数量化Ⅰ類 ②質的 - 量的 判別分析 - 質的 数量化Ⅰ類 2.目的変数がない場合 ①量的 主成分分析(バリマックス回転:付説明) 因子分析 ②質的 数量化Ⅲ類 、対応線形分析モデル ③親近-距離 クラスター分析、多次元分析、数量化Ⅲ類 分類と共にそれぞれの分析の理由によって、分析結果が出てくることが、多めのグラフと軸などから、視覚的に理解しやすかった。 昔は、このような図解的な本がなかったことを、悔やみますね・・・。
Posted by
全体的にわかりやすい。 ・主成分分析と因子分析の違いがよくわかる。公式では、観測値の使い方(結果 か原因か)と誤差の有無が違い? ・因子分析の因子回転の説明がわかりやすい。軸を回転することで、因子の特徴 を際出させる ・自己組織化マップが教師無しニューラルネットワーク(単層パーセ...
全体的にわかりやすい。 ・主成分分析と因子分析の違いがよくわかる。公式では、観測値の使い方(結果 か原因か)と誤差の有無が違い? ・因子分析の因子回転の説明がわかりやすい。軸を回転することで、因子の特徴 を際出させる ・自己組織化マップが教師無しニューラルネットワーク(単層パーセプトロ ン?)と考えてよい?。 ・記憶ベース推論:仰々しい名前だが、データの一部を使って直接推定するアル ゴリズムのことと説明。なので、どのデータを選んで、どう利用するかがミソら しい。そんな理解でよいのか? ・因子分析(探索的因子分析)と共分散構造分析(検証的因子分析)という説明 だったが、シンプルに理解してよいのか?
Posted by
- 1