独立成分解析

少し前から「Computer Today」に甘利氏などの連載があるのですが、これまでのところでは、面白いけれど実際的ではないという考えに留まっています。

たとえば、∠ABCとかの「∠」という文字の形に二次元平面上にデータが分布している時に、主成分分析であれば二項二次の正規分布の楕円でその分布を表現し、独立成分分析であれば、平行四辺形で表現しているくらいの差しか感じないわけです。平行四辺形になっているというあたりで、ＳＯＭを思い出すわけです。

一方僕がやっているのは、ベクトル量子化ですが、その場合、多次元データの分布をもっと、多くのパラメータを使って表現しているわけです。グラデーション近似の場合であれば、パラメータの数はずっと減っています。分割後のデータをどう表現するかという差でしかないので、大きな差が出るとは思えません。