山口大学教務システム - 1041220003-多変量解析

開講年度	開講学部等
2025	理学部
開講学期	曜日時限	授業形態	AL（アクティブ・ラーニング）ポイント
前期後半	火5～6	講義	1.0
時間割番号	科目名[英文名]			使用言語	単位数
1041220003	多変量解析[Multivariate Analysis]			日本語	1
担当教員（責任）[ローマ字表記]					メディア授業
末竹　規哲[SUETAKE Noriaki]					ー
担当教員[ローマ字表記]
末竹　規哲　[SUETAKE Noriaki]
特定科目区分		対象学生		対象年次	3～
ディプロマ・ポリシーに関わる項目			カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)

授業の目的と概要

情報科学に関する発展的な知識、及び数量的スキルを身に着けることを目的に、ある対象から得られたお互いに関連のある多種類のデータ（変数、変量）を総合的に要約したり将来の数値を予測したりするための「多変量解析」における基礎的な計算手法を学習する。特に、企業において研究開発業務の経験のある教員が実社会で役立つ多変量解析とデータ処理について講義を行う。

授業の到達目標


情報科学に関する発展的な知識、及び数量的スキルを身に着けることを目的に、ある対象から得られたお互いに関連のある多種類のデータ（変数、変量）を総合的に要約したり将来の数値を予測するための「多変量解析」における基礎的な計算手法を理解できるようになることが目標である。

授業計画

【全体】

多変量解析の各手法について学習する。様々な概念、定義、計算手続きに関して配布プリントにて説明を行い、理解度を小テストで確認しながら進行する。

	項目	内容	授業時間外学習	備考

第1回	オリエンテーション	担当教員の紹介、授業の目標と進め方、シラバス説明、成績評価の方法：	シラバスを読み、統計的基礎知識の復習(学習時間の目安：4時間程度)

第2回

線形予測モデルと最小2乗法、単回帰分析、重回帰分析

線形予測モデルと最小2乗法、単回帰分析、重回帰分析について論じる

線形予測モデルと最小2乗法、単回帰分析、重回帰分析についての予習(学習時間の目安：4時間程度)

第3回

線形予測モデルによる音声信号の解析、声紋分析

線形予測モデルによる音声信号の解析、声紋分析について論じる

線形予測モデルによる音声信号の解析、声紋分析について予習(学習時間の目安：4時間程度)

第4回

2変量の主成分分析、寄与率と固有値

2変量の主成分分析、寄与率と固有値について論じる

2変量の主成分分析、寄与率と固有値についての予習(学習時間の目安：4時間程度)

第5回

3変量の主成分分析、相関行列

3変量の主成分分析、相関行列について論じる

3変量の主成分分析、相関行列についての予習(学習時間の目安：4時間程度)

第6回

主成分分析を使った画像圧縮（KL変換）

主成分分析を使った画像圧縮（KL変換）について論じる

KL変換についての予習(学習時間の目安：4時間程度)

第7回

判別分析

判別分析について論じる

判別分析についての予習(学習時間の目安：4時間程度)

第8回

総括と期末試験

これまでの授業内容の総括と期末試験

これまでの復習(学習時間の目安：4時間程度)

※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】

A: --%　B: --%　C: 10%　D: --%

成績評価法

小テスト、授業内のレポート、学期末の筆記テストで評価します。
小テスト　5%、レポート　10%、学期末の筆記テスト　85%

教科書にかかわる情報

備考

配付プリントを用いる。

参考書にかかわる情報

備考

参考書は使用しない。

メッセージ

キーワード

線形予測、回帰分析、主成分解析

持続可能な開発目標（SDGs）

(教育)すべての人に包摂的かつ公正な質の高い教育を確保し、生涯学習の機会を促進する。

メディア授業