はじめに
"回帰" では、モデルが数値を予測します。
機械学習において、回帰は数量の定量化可能な値 (価格、金額、サイズ、その他のスカラー数値など) を予測できるモデルを作成することを目標としています。
回帰は、解釈の容易さ、堅牢性、計算速度のために、科学にとって基本的な重要性を持つ統計的手法です。 回帰モデルにより、さらに複雑な機械学習手法のしくみを理解するための優れた基礎が養われます。
実際の状況では、特にデータが少ない場合に、回帰モデルは予測を行ううえで非常に役立ちます。 たとえば、自転車レンタルの会社が、特定の日に予想されるレンタル数を予測したい場合、回帰モデルでこの数を予測できます。 季節や曜日、その他の情報なども記録された日付にレンタルされた自転車の数など、既存のデータを使用してモデルを作成できます。
前提条件
- 基本的な数学の知識
- Python でのプログラミングの経験
- Jupyter ノートブックに関する知識
学習の目的
このモジュールでは、次のことを行います。
- 回帰モデルを使用する場合。
- Scikit-Learn フレームワークを使用して回帰モデルをトレーニングおよび評価する方法。