May 2018
Intermediate to advanced
556 pages
13h 21m
Japanese
book
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
by Jake VanderPlas, 菊池 彰
Content preview from 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
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
5.6
詳細：線形回帰
395
X = 10 * rng.rand(100, 3)
y = 0.5 + np.dot(X, [1.5, -2., 1.])
model.fit(X, y)
print(model.intercept_)
print(model.coef_)
0.5
[ 1.5 -2. 1. ]
ここで、
y
データは
3
つのランダムな
x
から構成され、データを構成するために使用された係数
は線形回帰により復元できます。
こ の よ う に し て、 デ ー タ に 直 線、 平 面、 ま た は 超 平 面 を 当 て は め る の は、
1
つ の
LinearRegression
推定器で行えます。この手法は厳密な線形関係を持つ変数間に限定されている
ように見えますが、これも緩和できます。
5.6.2
基底関数回帰
非線形関係にある変数間に線形回帰を適用するための
1
つのトリックが、基底関数に従ってデー
タ
を変換することです。「5.3 ハイパーパラメータとモデルの検証」と「5.4 特徴量エンジニアリ
ング」で使用した
PolynomialRegression
パイプラインでこの手法を用いました。考え方は、多次元
線形モデルを使います。
y
＝
a
0
＋
a
1
x
1
＋
a
2
x
2
＋
a
3
x
3
＋
…
そして、
x
1
,
x
2
,
x
3
を
1
次元の入力
x
から作ります。つまり、
f
n
()
がデータを変換する関数として、
x
n
＝
f
n
(
x
)
とします。
例えば、
f
n
(
x
)
＝
x
n
だとすると、多項式回帰が得られます。
y
＝
a
0
＋
a
1
x
＋
a
2
x
2
＋
a
3
x
3