# プログラミング学習の最初の鬼門 大学３年生の頃、自分の周りはプログラミングブームでした。みんなそろいもそろってMacBookを開き、<a href="https://prog-8.com/" target="_blank">Progate</a>をやっていたことを覚えています。 しかし、１年後までプログラミングの勉強を続けている人は自分ひとりでした。もちろん継続しなかったのには様々な理由があるとは思いますが、プログラミング学習に挫折してしまう大きな理由のひとつに**環境構築ができない**というのがあると思います。せっかくProgateなどで勉強をしても、自分のパソコンでプログラムを動かせなかったらどうしてもモチベーションが下がってしまうことでしょう。 なので今回はPythonの環境構築をする方法を**できるだけ詳しく**解説しようと思います。 ※OSはWindows 10を想定しています。Mac, Linuxでも同様に環境構築ができると思います。 # Anacondaのダウンロード **<a href="https://www.anaconda.com" targe

# クラスの継承 ## 親クラスの__init__()で定義したプロパティ(属性)を残しつつ、子クラスの__init__()で新たなプロパティを定義したい場合 ```python= class Person: def __init__(self, name, old): self.name = name self.old = old class Doctor(Person): def __init__(self, specialty): self.specialty = specialty david = Doctor(david, 40, Otolaryngology) ``` ### <font color="Red">上記のコードだとエラーになる！</font> 親クラスPersonを継承した子クラスDoctorに、名前、年齢の他に専門のプロパティも加えようとしたが、上記のコードだと子クラスDoctorが__init__()を上書きしてしまっているため、引数はspecialtyの1つしか

###### tags: `統計学` `データビジュアライズ` # 主成分分析 *** # 主成分分析の理論 *** ## 主成分分析の概要 **主成分分析**(PCA: Principal component analysis)とは代表的な次元削減のアルゴリズムのことです。国語・算数・理科・社会の点数という４つの特徴を、言語力と論理的思考力という２つの特徴で表現できるように、複数の特徴からなるデータをより少ない特徴で表現しようという試みです。 データを射影したときに、その分散が最大になるような軸を**第１主成分**と呼び、第１主成分と直交する軸の中で、射影されたデータの分散が最大となる軸を**第２主成分**と呼びます。第１主成分、第２主成分と直交する軸のうち、射影されたデータの分散が最大となる軸を**第３主成分**と呼び、その後も同様に、各主成分と直交する軸の中で、データを射影したときにその分散が最大となる軸を**第\\(k\\)主成分**と呼びます。 つまり、軸を回転させることにより、データを良く説明する成分を抽出し、その成分について考察するというのが主成分分析の目