Google ColabのJulia言語で主成分分析(PCA)をやってみる。データはおなじみアヤメ(iris)で、標準で特異値分解(SVD)が入っているのですぐできた。

今回は主成分分析（PCA）。

まずは左の一番下にあるフォルダのアイコンをクリックしてデータをアップロードする。これはRAMディスクなので、一回閉じれば消える。

using CSV

using DataFrames

using Statistics

using LinearAlgebra

using Plots

df = CSV.read("Iris.csv", DataFrame)

で読み込む。

SVDが標準で入っているのでPCAは簡単だが、標準化するのがPythonのPandasよりは面倒かな。

#標準化

dfstandard = (df[!, 1:4] .- transpose(mean.(eachcol(df[!,1:4])))) ./ transpose(std.(eachcol(df[!,1:4])))

#SVD

U, S, V = svd(Matrix(dfstandard))

#PCA

dfpca = DataFrame([U * Diagonal(S) df.species], ["PC1","PC2","PC3","PC4","species"])

#2軸を使ったプロット

scatter(dfpca[!,1], dfpca[!,2], group=dfpca.species, xlabel = "PC1", ylabel = "PC2")

2軸でプロットしたり、

3軸でプロットするのも全く同じ書き方で簡単。プロットはJuliaの方がPythonよりだいぶ簡単。