2015年度工学院大学 情報学部情報デザイン学科

データ解析論(Data Analysis)[4A22]

試験情報を見る] [授業を振り返ってのコメント(学内限定)

2単位
竹川 高志 准教授  [ 教員業績  JP  EN ]
最終更新日 : 2016/01/21

<学位授与の方針>
1. 基礎知識の習得
2. 専門分野知識の習得
3. 汎用的問題解決技能
4. 道徳的態度と社会性
5. 創成能力

<授業のねらい>
現在得られているデータから背景にある構造を推定し未来あるいは未知のデータに関する予測を行う方法として、確率モデルと各種の推定手法を学ぶ。具体的には、量的な多変量データに基づく回帰分析、主成分分析、因子分析、クラスタ分析についてと、パラメータ推定の基本となる最尤推定について学ぶ。

<受講にあたっての前提条件>
「データ解析演習」を同時に履修すること。
「確率・統計T」「確率・統計U」「確率・統計演習」を履修していることが望ましい。

<具体的な到達目標>
・データの変数間の関係性について調べる基本的な考え方を理解し、相関係数と回帰分析を用いた解析を行える
・主成分分析と因子分析についてその違いと適用について理解する
・確率モデルと最尤推定の考え方を理解する
・いくつかのクラスタ分析の手法について理解し実際に適用できる

<授業計画及び準備学習>
授業計画
1. 多変量データ
  多変量データの扱い方について学ぶ
2. 分散・共分散行列
  多変量データの分散・共分散行列とその性質について学ぶ
3. 多変量正規分布
  多変量正規分布について学ぶ
4. 最尤推定
  正規分布を例に最尤推定の方法について学ぶ
5. 回帰分析
  目的変数に対する各変数の効果を分析する方法を学ぶ
6. 主成分分析
  主成分分析の考え方について学ぶ
7. 主成分分析の応用
  主成分分析を計算機上で実現するアルゴリズムを学ぶ
8. 中間試験
  1〜7回の範囲について試験を行う
9. 因子分析
  因子分析の考え方について学ぶ
10. 因子分析の応用
  実際に因子分析を行う上での注意点と解釈の仕方を主成分分析と比較しながら解説する
11. 判別分析
  2群のデータが与えられた時に未知のデータの分類を行う方法を学ぶ
12. k-平均法
  データを複数の群に分離する基本的な手法である k-平均法を学ぶ
13. 混合正規分布モデル
  混合正規分布分布に基づいてデータを複数の群に分離する方法を学ぶ
14. 情報規準量とモデル選択
  混合正規分布でのクラスタ数の推定を例としながら情報規準量とモデル選択について学ぶ
  また、関連した話題としてベイズ推定とMAP推定について解説を行う
15. 期末試験
  1〜14までの範囲について試験を行う

準備学習
教科書や参考書の対応する節をあらかじめ予習しておくこと。
授業の内容を復習し、教科書の章末問題やプリントで示された問題を解くこと。
※自力で予習と復習に時間をかけて取り組んでも理解が不十分な場合は、必ずSAを利用すること。

<成績評価方法>
中間試験を40点満点,期末試験を60点満点で評価を行い,合計点を最終的な評価とし,60点以上で合格とする。

<教科書>
足立浩平「多変量データ解析法」
  ISBN 978-4-7795-0057-2
  出版社 ナカニシヤ出版

<参考書>
Bruce Frey 「STATISTICS HACKS」
 ISBN 978-4-87311-335-7
 出版社 オライリー・ジャパン
具体的な例で実践的に統計を理解したい場合の参考に。

<オフィスアワー>
居室: A1516 時間: 随時
メール(jt13456@ns.kogakuin.ac.jp)などでアポイントを取るように


このページの著作権は学校法人工学院大学が有しています。
Copyright(c)2015 Kogakuin University. All Rights Reserved.