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

5.7

 詳細：サポートベクターマシン

407

In[25]: from sklearn.utils import resample

np.random.seed(1)

err = np.std([model.fit(*resample(X, y)).coef_

for i in range(1000)], 0)

こうして見積もられた誤差を用いて、再度結果を見てみましょう。

In[26]: print(pd.DataFrame({'effect': params.round(0),

'error': err.round(0)}))

effect error

Mon 504 85

Tue 612

82

Wed 592 82

Thu 481 85

Fri 177 81

Sat -1104 79

Sun -1135 82

holiday -1187 164

daylight_hrs 129 9

PRCP -665 62

dry day 546 33

Temp (C) 65 4

annual 28 18

週の各曜日には比較的安定した傾向があることがわかります。週末や休日よりも平日の方が自転

車数が多くなります。日中の時間が

1

時間増えると、

129

±

9

人が自転車の使用を選択しています。

気温が

1

度上昇すると、

65

±

4

人が自転車を使うよう促されています。雨の降らない日（

dry day

）は

自転車数が

546

±

33

人増加します。降水量が

1

インチ増えると、

665

±

62

人が自転車を使わなくな

ります。これらの効果をすべて考慮すると、毎年自転車の使用者は ...