Qiita Teams that are logged in
You are not logged in to any team

Log in to Qiita Team
Community
OrganizationAdvent CalendarQiitadon (β)
Service
Qiita JobsQiita ZineQiita Blog
Help us understand the problem. What is going on with this article?

機械学習における回帰分析

More than 3 years have passed since last update.

機械学習に関する基本的な内容をまとめてみたものです。機械学習に関する、Web上にすでにある解説コンテンツをまとめたサイトの抜粋です。
機械学習における回帰分析

機械学習における回帰分析の応用

機械学習では大量のデータを分析して、今後の事を予想します。
二項目分析や多項分析を用いる事もありますが、具体的な値の予想をする場合に使われるのが回帰分析です。

回帰分析は基礎的なデータ分析方法で、目的変数と説明変数間の関係式を求めて将来の事を予測します。

変数の数によって、単回帰分析と重回帰分析に分類されます。

・単回帰分析 目的変数と説明変数が、一つだけの回帰分析
・重回帰分析 一つの目的変数と複数の目的変数を使う回帰分析

回帰分析の処理内容

回帰分析は、複数の変数間の関係を明確にするために行います。

変数がxとy の2つの場合は、
y=ax+b
という関数によって、変数間の関係を表します。

このように、データ間の関係を直線で表現する事を、特に線形回帰と呼びます。

回帰分析の評価方法

学習により回帰分析のモデルを構築した後は、モデルが有効なものであるかを評価する必要があります。

回帰分析のモデルを評価する方法として、
・決定係数: 説明変数を使って、目的変数をきちんと説明出来ているかを評価
・F検定: モデルが妥当性であるかを評価する指標
・t検定: 使われたパラメータが適切であるか評価する指標
などがあります。

uenohara
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away