線形単回帰と線形重回帰
ここから先いくつかの課題では、「線形回帰」と呼ばれる手法に関連した課題について、順を追って取り組んでいただきます。numpy, scipy, pandas, sympy, scikit-learn などのライブラリを用いると簡単に解けますが、以降の課題では、特に指示のない限り、それらを使わないでください。
アヤメのデータ
次の「アヤメのデータ」を用いて、以下の課題に取り組んでください。アヤメのデータには、 Sepal.Length Sepal.Width Petal.Length Petal.Width Species などのカラム（列）があります。
平均（標本平均）
データ $x$ の平均 $\mu_x$ は次のようにして求められます。
$$\mu_x = \frac{1}{n} \sum_{i=1}^{n} a_k = \frac{a_1 + a_2 + ... + a_i + ... + a_n}{n}$$
課題２３：平均
平均を計算し出力する関数を作成し、その関数を何度も使い回すことによって、 Sepal.Length の平均値、Sepal.Width の平均値、Petal.Length の平均値、Petal.Width の平均値を求めてください。
# 平均値を求める関数を作ろう
def mean(list_):
課題提出方法
-
基本的にGoogle Colaboratoryを用いてプログラミングしてください。どうしても Google Colaboratory を用いることができない場合のみ、Jupyter Notebook または Jupyter Lab を用いてください。
-
課題１つごとに、ノートブックを新規作成してください。１つのノートブックで複数の課題を解かないでください。
-
ノートブックを新規作成すると「Untitled.ipynb」のような名前になりますが、それを「学籍番号・氏名・課題番号」のような名前に変更してください。
-
質問・感想・要望などございましたらぜひ書き込んでください。
-
もし課題を解くにあたって参考になったウェブサイトがあれば、それについても触れてください。
-
課題を計算し終わった ipynb ファイルを提出するときは、指定したメールアドレスに Google Drive で共有する形で授業担当者に提出してください。