回帰分析とは④
こんにちは!EMです^^
今日も回帰分析シリーズを解説していきたいと思います!
Machine Learning with Scikit-Learn
現在、私たちはとっても恵まれた環境の中におります。
なんと前回話した最急降下法、アルゴリズムごとに初めからコーディングする
必要はないんです!他の誰かが既に構築済みなんです!
その為、third party packagesといわれる予め作られたパッケージを使っていきます。
とても人気があるのはScikit-Learnというパッケージです。
import sklearn as sk
from sklearn import model_selection, metrics, linear_model, datasets,
feature_selection, preprocessing
このデータに適合するモデルを構築するには、まず、linear_modelを使い
適切な手法を駆使してモデルを定義します。
このメソッドを使用する中で、いくつかのオプションがあります。
(リストの種類については、こちらをご覧ください。)
http://scikitlearn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html
今回は、デフォルトをそのまま選びます。 これで、メソッドを呼び出し
(データに適合していない)モデルを変数に入れていきます。
前のモデルの精度スコアを見つけたい場合は、次のように実行します。
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。