操作パネル
3D空間のデータをどう要約しますか?
(マウスで視点操作できます)
3D空間のデータをどう要約しますか?
(マウスで視点操作できます)
次元削減 (Dimensionality Reduction) | クラスタリング (Clustering) | |
---|---|---|
目的 | データの特徴量(列、軸)を減らすこと。 | データのサンプル(行、点)をグループ分けすること。 |
出力 | より少ない特徴量で表現された、元のデータセットと同じ行数の新しいデータセット。 | 各サンプルがどのクラスタに属するかを示すラベル。 |
デモでの挙動 | 3Dの点が平面に射影され、2Dの点に変換される。 | 3Dの点の位置は変わらず、点の色がグループごとに変わる。 |
代表例 | 主成分分析 (PCA), t-SNE, UMAP | k-means, 階層的クラスタリング, DBSCAN |
使い方の関係 | これら2つはよく組み合わせて使われます。 例: 次元削減(PCA)でデータを2次元に圧縮・可視化し、その上でクラスタリング(k-means)を実行する。 |