- 機械学習において具体的な値の予測をする場合に、回帰分析が用いられることが多い
- 回帰分析は、複数の変数間の関係を明確にするために行う
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。
本サイト上に掲載されているまとめ記事が、毎週ステップメールで受け取ることもできます。
参考文献
- 線形回帰
- 線形回帰とは何か (Qiita)
- 『Amazon Machine Learning Concepts』を読んでみた
- ITエンジニアのためのデータサイエンティスト養成講座(6):回帰分析I:回帰分析って何? から、最小二乗法、モデル評価、妥当性検討の実際まで (1/3) – @IT