主成分分析法 (PCA) アルゴリズム

PCA は教師なし機械学習アルゴリズムで、できる限りの情報を保持しながら、データセット内の次元 (特徴の数) の縮退を試行します。これは、互いに相関しない元の特徴のコンポジットである、成分と呼ばれる新しい特徴のセットを見つけることで行われます。また、それらには制限が設けられているため、最初の成分はデータ内で考えられる最大の変動性、2 番目の成分は 2 番目に大きな変動性と続きます。

Amazon では SageMaker、PCA はシナリオに応じて 2 つのモードで動作します。

• regular: 疎データと標準的な数の観測および特徴を備えたデータセットの場合。

• randomized: 多数の観測および特徴の両方を備えたデータセットの場合。このモードは近似アルゴリズムを使用します。

PCA は表形式のデータを使用します。

行は低次元空間に組み込む観測を表します。列は減少した近似を見つける特徴を表します。アルゴリズムは共分散行列 (または分散方式での近似値) を計算し、その後このサマリーに対して特異値分解を実行して、主成分を生成します。

トピック

• PCA アルゴリズムの入出力インターフェイス
• PCA アルゴリズムの EC2 インスタンスに関する推奨事項
• PCA サンプルノートブック
• PCA の仕組み
• PCA のハイパーパラメータ
• PCA のレスポンス形式

PCA アルゴリズムの入出力インターフェイス

PCA はトレーニングのために、トレーニングチャネルで提供されるデータを想定し、テストアルゴリズムに渡されたデータセットをオプションでサポートします。このデータセットは最終的なアルゴリズムで採点されます。トレーニングでは recordIO-wrapped-protobuf と CSV の両方の形式がサポートされます。ファイルモードまたはパイプモードを使用すると、recordIO-wrapped-protobuf または CSV の形式のデータについてモデルをトレーニングできます。

推論については、PCA は text/csv、application/json、application/x-recordio-protobuf に対応しています。結果は application/json またはapplication/x-recordio-protobuf 形式のいずれかが "射影" のベクトルとともに返されます。

入出力ファイル形式の詳細については、PCA のレスポンス形式 (推論の場合) およびPCA サンプルノートブックを参照してください。

PCA アルゴリズムの EC2 インスタンスに関する推奨事項

PCA は、トレーニングと推論用の CPU インスタンスと GPU インスタンスをサポートします。最もパフォーマンスの高いインスタンスタイプは、入力データの仕様に大きく依存します。GPU インスタンスの場合、PCA は P2、P3、G4dn、G5 をサポートします。

PCA サンプルノートブック

SageMaker プリンシパルコンポーネント分析アルゴリズムを使用して、MNIST データセット内の手書き数字の画像を分析する方法を示すサンプルノートブックについては、「MNIST を使用した PCA の概要」を参照してください。でサンプルを実行するために使用できる Jupyter Notebook インスタンスを作成してアクセスする方法については SageMaker、「」を参照してくださいAmazon SageMaker Notebook インスタンス。ノートブックインスタンスを作成して開いたら、SageMaker 「例」タブを選択して、すべての SageMaker サンプルのリストを表示します。NTM アルゴリズムを使用したトピックモデリングのサンプルノートブックは、[Introduction to Amazon algorithm (Amazon アルゴリズムの概要)] セクションにあります。ノートブックを開くには、その [Use (使用)] タブをクリックして [Create copy (コピーを作成)] を選択します。