線形回帰
Coddyの「機械学習入門」コースのレッスン 16/19。
線形回帰は、連続変数を予測するための機械学習における最も基本的なアルゴリズムの1つです。これは、変数間の関係を推定し、予測を行うための標準的な手法です。住宅価格、株式市場の動向、あるいは気温を予測する場合でも、線形回帰はこれらの変数がどのように相関しているかについての洞察を提供してくれます。
出典: wikipedia
線形回帰は、観測されたデータに線形方程式を当てはめることによって、2つ以上の変数間の関係をモデル化しようとします。1つの変数は説明変数（独立変数）と見なされ、もう1つの変数は目的変数（従属変数）と見なされます。
1つの目的変数と1つの説明変数を持つ線形回帰方程式の最も単純な形式は、次のように定義されます：
- アルファ（Alpha）はy軸との切片を表します
- ベータ（Beta）は傾きを表します
腕試しこのレッスンには短いクイズがあります。レッスンを始めて解答し、進捗を記録しましょう。
腕試しこのレッスンには短いクイズがあります。レッスンを始めて解答し、進捗を記録しましょう。
腕試しこのレッスンには短いクイズがあります。レッスンを始めて解答し、進捗を記録しましょう。
チャレンジ
簡単データポイントを表すリストと、線形方程式の係数を表すリストを引数に取る、linear_equation という名前の関数を作成してください。
この関数は、線形方程式の出力を返します。
例えば、
n = 2の場合、係数の数は2つです：y = b[0] + b[1]*x[1]n = 3の場合、係数の数は3つです：y = b[0] + b[1]*x[1] + b[2]*x[2]
自分で試してみよう
def linear_equation(coef, x):
# ここにコードを記述してください機械学習入門のすべてのレッスン
自分で練習してみよう: Pythonオンラインコンパイラ