回帰分析とは①
こんにちは!EMです^^
本日は回帰分析とはなんぞや?という話をしていきたいと思います。
回帰分析を理解する為に、おさえていきたいのが下の二つ。
・コスト関数やエラー
・反復解法、最急降下法
なにやら難しい単語が出てきましたね。
はじめて見る方には抵抗感しかないかもしれません。
こちらは次回以降に解説していこうと思います。
まず、回帰分析の一種で線形回帰というものがあります。
名前は難しいですが、見た目は棒線グラフです。
線形回帰とは2つの連続した数(変数とも言います)の関係を表す方法です。
相関係数とは2変数との関係の強さを表しますが
一方で、線形回帰を使用すると、それらの間の関係を描いて
従属変数の新しい値を予測できます。
※従属変数とは独立変数の変化に応じて変わる値です。
基本的な線形回帰は、従属変数を相互の値に応じてモデル化します。
これはデータを通じて「ベストな線」を描くための統計的手法になります。
従属変数のyと独立変数xの関係は数式でこのように記述できます。
y=β0+β1X+ϵ
ここで、β0は切片、β1は勾配(傾き)、ϵ がランダムエラーを表します。
ちなみに皆様に朗報です!
私今まで知らなかったんですが、CodeCampさんが無料で5回分無料レッスンを
されているらしいです、、、!
私が他のオンラインスクールで機械学習のコースを受講した際は
グループレッスンで約2倍のお値段を払ったので
完全マンツーマンでこのお値段は超良心的だなと思います。。。
ぜひ気になる方は無料体験もされてるみたいなので、一度WEBサイトを見てみてくださいね。
データ分析は時代が変化しても、必ず重宝される分野だと思っているので
プロから基礎を学ぶのは、本当に超効率的な自己投資だと思います。
これからどんどん内容がMLっぽくなっていきますよ~!
では次回お楽しみに^^