組み込み開発のためのPython · レッスン 131 / 220
線形回帰で傾向を近似する
線形回帰は特徴量と目的値の線形な関係を係数で表します。外挿は危険であり、残差と基準モデルを確認します。
線形回帰は特徴量と目的値の線形な関係を係数で表します。外挿は危険であり、残差と基準モデルを確認します。 仕組みだけでなく、検証方法と運用上の注意も具体例で確認します。
基本の考え方
線形回帰は特徴量と目的値の線形な関係を係数で表します。外挿は危険であり、残差と基準モデルを確認します。
安全に試すための確認
例は学習用データを使うもので、品質を保証する予測器ではありません。実データの欠損、単位、偏り、データ漏えいを確認し、テスト用データを学習中に参照しないでください。
コード例
手元のPython環境に貼り付ける前に、使用しているPythonの版と対象ライブラリの対応を確認してください。
from sklearn.linear_model import LinearRegression
model = LinearRegression().fit([[1], [2], [3], [4]], [2, 4, 6, 8])
print(model.coef_, model.intercept_, model.predict([[5]]))手を動かす課題
学習範囲内と範囲外の予測を比較し、外挿値をそのまま採用できない理由を記してください。