高周波エンジニアのためのAI・機械学習入門（15）独立成分分析（ICA、教師なし学習）でバンドパスフィルタ（BPF)の次数が異なるもの（減衰がちがうもの）を２軸で特徴付けできるかPythonとscikit-learnでやってみる。

主成分分析、因子分析とやってきたので今回は独立成分分析（ICA）をやってみる。

https://datachemeng.com/independentcomponentanalysis/

いつものようにデータは次数の違うバンドパスフィルタ。

scikit-learnにはFastICAというのがインプリメントされている。

https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.FastICA.html

コードはこちら（今までと異なるところのみ）

from sklearn.decomposition import FastICA

scaler = StandardScaler()

scaler.fit(data)

X_scaled = scaler.transform(data)

ica = FastICA(n_components=2)

X_ica = ica.fit_transform(X_scaled)

結果はこちら。これでもちゃんと分離できている。

2軸の成分。これもPCAやFAとよく似た形になった。

ということで、この事例に限れはPCA、FA、ICAどれでも分離できた。もうちょっと差が出る例は探す。