組み込み開発のためのPython · レッスン 133 / 220
複数の特徴量で回帰する
重回帰は複数の特徴量を使って目的値を近似します。特徴量間の相関、単位差、欠損、学習範囲外の入力に注意します。
重回帰は複数の特徴量を使って目的値を近似します。特徴量間の相関、単位差、欠損、学習範囲外の入力に注意します。 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
重回帰は複数の特徴量を使って目的値を近似します。特徴量間の相関、単位差、欠損、学習範囲外の入力に注意します。
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
X = [[8, 25], [12, 30], [16, 40], [20, 50]]
y = [1.2, 1.7, 2.4, 2.8]
model = LinearRegression().fit(X, y)
print(model.coef_)手を動かす課題
特徴量を一つずつ外したモデルと比較し、係数を因果効果だと断定できない理由を説明してください。