« 高周波エンジニアのためのAI・機械学習入門(14)因子分析(FactorAnalysis、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(PCA)より綺麗に分かれた。 | トップページ | 生島神社(尼崎)でお参り。 »

2024年9月25日 (水)

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。

Filterpca3_20240912163601

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。

Rfica1

2軸の成分。これもPCAやFAとよく似た形になった。

Rfica2

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。

« 高周波エンジニアのためのAI・機械学習入門(14)因子分析(FactorAnalysis、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(PCA)より綺麗に分かれた。 | トップページ | 生島神社(尼崎)でお参り。 »

パソコン・インターネット」カテゴリの記事

学問・資格」カテゴリの記事

日記・コラム・つぶやき」カテゴリの記事

コメント

コメントを書く

(ウェブ上には掲載しません)

« 高周波エンジニアのためのAI・機械学習入門(14)因子分析(FactorAnalysis、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(PCA)より綺麗に分かれた。 | トップページ | 生島神社(尼崎)でお参り。 »

最近の記事

2025年2月
            1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28  

最近のコメント

無料ブログはココログ
フォト