はじめに
回帰は単純かつ一般的で非常に有用なデータ分析手法であり、会話では "近似曲線にフィットする" と呼ばれています。回帰は、1 つまたは複数の特徴と 1 つのラベルの間にある関係の強さを識別するものです。 その単純さ、予測可能な動作、予測機能、および高いレベルの解釈機能により、この手法は、金融、ビジネス、社会科学、疫学、薬で広く使用されています。
このモジュールでは、回帰のしくみについて詳しく説明し、その制限事項を理解し、そのパフォーマンスを評価する方法を学習します。
シナリオ: 獣医クリニック オーバーラン
このモジュールでは全体を通して、次のシナリオ例を使用して回帰の基礎となる概念を説明します。 このシナリオは、将来のデータを分析するときに、この手法を使用する方法の例を提供することを目的としています。
あなたが働いている雪崩救助犬の慈善団体で、突然病気が流行しています。 再トレーニングと社会活動の後、飼っている犬の多くが具合が悪くなりました。主な症状は発熱です (体温の上昇)。 まだ発症していない犬を心配して、あなたのチームは発病した最初の 100 頭の犬に関する基本的な情報を収集しました。 あなたの仕事は、早めに獣医の診察を受けられるよう、病気のリスクが高い犬の種類を明らかにすることです。
学習の目的
このモジュールでは、次のことを行います。
- 回帰のしくみを理解する。
- 新しいアルゴリズムを使用する: 線形回帰、線形重回帰、多項式回帰。
- 回帰モデルの長所と制限事項を理解する。
- 線形回帰で誤差関数とコスト関数を視覚化する。
- 回帰の基本的な評価メトリックを理解する。
[前提条件]
- 機械学習モデルに関する知識