Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

5.6

 詳細：線形回帰

393

ために線形モデルを一般化する方法について説明します。最初に標準的なモジュールをインポート

します。

In[1]: %matplotlib inline

import matplotlib.pyplot as plt

import seaborn as sns; sns.set()

import numpy as np

5.6.1

 単回帰

最もよく知られている線形回帰（データに直線を当てはめる）から始めます。直線の当てはめは、

y

＝

ax

＋

b

という形のモデルであり、ここで

a

は傾き（

slope

）、

b

は切片（

intercept

）を表します。

傾きが

2

で、切片が−

5

である線の周りに散在している以下のデータを考えてみましょう（図

5-42）。

In[2]: rng = np.random.RandomState(1)

x = 10 * rng.ra

nd(50)

y = 2 * x - 5 + rng.randn(50)

plt.scatter(x, y);

図5-42　線形回帰用のデータ

scikit-learn

の

LinearRegression

推定器を使用して、このデータに当てはめた最適な線を作成で

きます（図 5-43）。

In[3]: from sklearn.linear_model import LinearRegression

model = LinearRegression(fit_intercept=True)

model.fit(x[:, np.newaxis], y) ...