寄与率
gpt.iconPCA（主成分分析）の寄与率は、各主成分がデータ全体の分散に対してどれだけ寄与しているかを示す指標です。具体的には、各主成分の固有値を全体の固有値の合計で割ることで計算されます。寄与率が高いほど、その主成分がデータの特徴をよく捉えていることを意味します。 Wikipediaとかだと決定係数の別名みたいに書かれてるが違和感、別物だよねnishio.icon 決定係数（けっていけいすう、（英: coefficient of determination、R2）は、統計学において、独立変数（説明変数）が従属変数（目的変数）のどれくらいを説明できるかを表す値である。寄与率と呼ばれることもある。標本値から求めた回帰方程式（モデル）のあてはまりの良さの尺度として利用される。 --- 決定係数 - Wikipedia gpt.iconcoefficient of determination（決定係数、R²）は、回帰分析において、モデルがどれだけデータを説明できるかを示す指標です。PCAの寄与率と目的は似ていますが、PCAは次元削減やデータの構造把握のため、決定係数はモデルの説明力を評価するために使われるという点で異なります。
gpt.iconPCAの「寄与率」には、別名として以下のような呼び方があります。
日本語：
寄与率（きよりつ）
説明分散（せつめいぶんさん）: 各主成分がデータの分散をどれだけ説明しているかを強調する場合に使われます。 英語：
Proportion of Variance Explained (PVE): 全体の分散に対する各主成分の分散の割合を示す表現。
Variance Contribution: 「寄与率」を直訳したような表現で、あまり一般的ではありませんが、同じ意味で使われることがあります。
「Explained Variance」が特に一般的に使われます。
In statistics, explained variation measures the proportion to which a mathematical model accounts for the variation (dispersion) of a given data set. Often, variation is quantified as variance; then, the more specific term explained variance can be used.