教 授 要 目 |
| 応用情報工学科 | 多変量解析 |
| Multivariate Analysis | |
| 2 年 2 単位 選択科目 | |
| 担当教員 兼子毅 | |
| 【 科目概要・到達目標 】 世の中の現象は非常に複雑で、多面的な観測が必要となる。そのような多変量データから、さまざまな情報を取り出し、分析する一連の方法が「多変量データ解析」手法である。本講義では、一般的に「多変量データ解析」と呼ばれているさまざまな手法を一通り網羅的に説明する。同時にサンプルデータの解析演習を通じて、手法の意味、適用の場、解析結果の解釈などを理解し、実際に多変量解析手法が使えるようになることを目指す。 |
|
| 【 成績評価 】 レポート２回と期末試験。合否判定は期末試験で行い、合格者の成績評価はレポートの内容で決定する。 |
|
| 【 履修心得 】 コンピュータの基本的な使い方を習得していることが強く望まれる。基礎確率統計、数学（２）（線形代数）を履修していることが望ましい。 |
|
| 【 授業計画 】 1. 多変量データの分類：クラスター分析 2. 多変量データのマッピング（１）：主成分分析 3. 多変量データのマッピング（２）：因子分析 4. 多変量データのマッピング（３）：数量化第３類 5. 多変量データの関係の強さ：正準相関分析 6. 多変量データのモデル化（１）：重回帰分析（１） 7. 多変量データのモデル化（２）：重回帰分析（２） 8. 多変量データのモデル化（３）：重回帰分析（３） 9. 多変量データのモデル化（４）：重回帰分析（４） 10. 多変量データのモデル化（５）：重回帰分析（５） 11. 多変量データによる判別：判別分析 12. コンピュータを利用した総合演習（１） 13. コンピュータを利用した総合演習（２） 14. コンピュータを利用した総合演習（３） 15. コンピュータを利用した総合演習（４） |
|
| 【 教科書 】 自作テキスト |
|
| 【 参考書 】 特になし |
|
| 【e-mail address】 オンライン版では非公開です。 |
|
| 【 学生へのメッセージ 】 データ解析の世界は奥深い。それを実感し、垣間見るためにも積極的に演習に取り組んでもらいたい。 |
|
| 【 オフィスアワー 】 水曜日 |
|
| | 目 次 | 科目一覧 | |