|
授業概要
|
|
|
今日の情報化社会には，多種多様なデータが数多く存在している．データを解析して新たな知見を見出したり，データ内要素の分類法を応用したアプリケーションを開発したりする能力の醸成は大変重要である．そこで本授業では，多変量データに対するさまざまな分析手法について，講義で取り上げ，続いて演習を行う．
|
|
|
到達すべき
目標
|
|
|
データマイニング，パターン認識，機械学習などにおける，多変量解析をはじめとした基礎知識を体得することを目指す．
|
|
|
授業計画と
準備学習
|
|
本授業では，多変量データに対するさまざまな分析手法について，講義で取り上げ，続いて演習を行う．
なお，講義の進捗や理解度に応じて，内容は適宜変更することがある．
発展については，例を示しており，最先端の話題や理解度に応じて取り上げる内容を決定する．
授業計画
第 1回：導入(1) 情報化社会と多変量解析に関する最近の話題、線形代数復習
第 2回：導入(2) 基本統計量
第 3回：相関分析(1) 相関係数、相関比、連相関数
第 4回：回帰分析(1) 単回帰分析
第 5回：回帰分析(2) 重回帰分析、数量化I類
第 6回：演習(1) 第1～5回講義ぶん
第 7回：判別分析(1) 線形判別分析
第 8回：判別分析(2) 数量化II類
第 9回：主成分分析(1) 主成分分析、数量化III類
第10回：主成分分析(2) 因子分析
第11回：演習(2) 第7～10回講義ぶん
第12回：クラスター分析(1) k-近傍、階層クラスタリング
第13回：発展(1) 正準相関分析、独立成分分析、非負値行列因子分解
第14回：発展(2) ランダムフォレスト、サポートベクターマシン
第15回：発展(3) ナイーブベイズ分類器
第16回：定期試験
2020年度は，対面講義および，それを録画した動画を後日配信する形態で実施した．
2021年度は，新型コロナウィルスの状況により上記以外の形態をとる可能性がある．
|
|
|
|
授業の特色
|
|
|
|
学生のアク
ティブ・ラー
ニングを
促す取組
|
|
|
|
|
使用言語
|
|
|
|
TA，SA配置
予定
|
|
|
|
基盤的能力
専門的能力
|
|
|
|
授業時間外
の学習
|
|
|
|
成績評価の
方法
|
|
|
演習の成績と定期試験により，成績評価を行う．必要に応じて理解度を確認する小テストを行い，これも評価に考慮する．
|
|
|
到達度評価
の観点
|
|
|
小テスト，演習，定期試験により総合的に到達度を評価する．
|
|
|
|
テキスト
|
|
| |
|
No
|
書籍名
|
著者名
|
出版社
|
出版年
|
ISBN/ISSN
|
|
|
1.
|
『意味がわかる多変量解析』
|
石井俊全
|
ベレ出版
|
2014
|
4860643984
|
|
|
|
テキスト
(詳細)
|
|
|
教科書にない発展内容は，講義スライドやプリントにて補足する．
|
|
|
|
参考文献
|
|
| |
|
No
|
書籍名
|
著者名
|
出版社
|
出版年
|
ISBN/ISSN
|
|
|
1.
|
『多変量データ解析』
|
杉山髙一・藤越康祝・小椋透
|
朝倉書店
|
2014
|
4254128010
|
|
|
2.
|
『図解入門 よくわかる多変量解析の基本と仕組み』
|
山口和範・高橋淳一・竹内光悦
|
秀和システム
|
2004
|
4798007927
|
|
|
3.
|
『ベイズな予測』
|
宮谷隆・岡嶋裕史
|
リックテレコム
|
2009
|
4897978165
|
|
|
|
参考文献
(詳細)
|
|
|
|
担当教員実
務経験内容
または実践
的教育内容
|
|
|
|
実践的授業
内容等
|
|
|
|
|
備考
|
|
|