機械学習1:線形回帰モデル
線形回帰モデルとは
要点まとめ
説明変数 に対して、パラメータを使用して、のモデルを立てる。
学習用データ を用いて、平均二乗誤差が最小となる を求めるために、平均二乗誤差を で偏微分したものが0になる条件から、を求める。
Pythonで実装する場合、
## sklearnモジュールからLinearRegressionをインポート from sklearn.linear_model import LinearRegression # オブジェクト生成 model = LinearRegression() # fit関数でパラメータ推定 (data : 説明変数, target : 目的変数) model.fit(x_train, y_train) #予測 新たな目的変数を与えると、推定値を返す y_pred = model.predict(x_valid) # 平均二乗誤差で性能を評価 from sklearn.metrics import mean_squared_error MSE = mean_squared_error(y_valid, y_pred)
演習実績
説明変数
目的変数
パラメータ
線形結合で予測値 を求める
線形回帰モデルのパラメータは最小二乗法で推定
MSE (平均二乗誤差)
学習用データのMSEは、学習データとモデル出力との二乗誤差の平均
で偏微分して0となる を求める。
ここから、予測値は、