主成分分析 (PCA) と寄与率
意味・解説
多数の変数を持つデータを、情報の損失を最小限に抑えつつ、より少ない数の指標（主成分）に集約する多変量解析手法と、その情報の再現度を示す割合。
データのばらつきが最大になる方向を見つけ、それを「第1主成分」とする。各主成分が元のデータの情報を何割保持しているかを「寄与率」、それらの合計を「累積寄与率」と呼ぶ。
くわしく
「情報の要約」の計算です。
1.次元削減：
例えば100項目のアンケート結果を、「満足度」と「価格感」の2つの総合指標にまとめます。
2.寄与率：
『この2つの指標だけで元の情報の80%を説明できている』という場合、累積寄与率は0.8となります。ポイントは、AI（人工知能）が学習する際、変数が多すぎると計算が終わりませんが、PCAで「本質的な特徴」だけに絞ることで、高速かつ正確なモデルが作れるからです。
例文
膨大な顧客データを主成分分析にかけ、累積寄与率が85%に達する上位3つの主成分を分析対象とした。
分類: 多変量解析 / AIの事前処理