
回帰:レコメンド
141
7
章
回帰:レコメンド
高校の数学の授業で、回帰について学んだかもしれません。おそらく、そのときは回帰という名前
ではなく、最小二乗法(ordinary least squares:OLS)と呼ばれていたことでしょう。この何世紀も前
から存在する手法は、高速に実行することができ、現実の多くの問題に対して効果的に用いることが
できます。本章では、まずはじめに最小二乗法による回帰について復習し、NumPyとscikit-learnを
用いてそれを行う方法について見ていくことにします。
問題には様々なものがあり、その中には古典的手法では上手く扱えない問題が存在します。その場
合、より進んだ手法(本章の後のほうで紹介します)を用いることで、改善することができます。これ
が特に当てはまるのが、特徴量が多い場合です。それは特徴量の数がサンプルデータの数より大きい
場合(その場合、最小二乗法では正しく扱うことができません)も含みます。本章では、より進んだ手
法として、lasso、r
idge、elastic netsと呼ばれる3つの手法を紹介します。それらは最近の手法であ
り、主な開発はここ10年間の内に行われてきました。
本章の最後では、「レコメンド」について見ていきます。これは重要な分野であり、多くのアプリケー
ションに付加価値を与えることができます。また、本章ではレコメンドについての基礎を学習し、次章
ではさらに詳細にレコメンドについて学びます。
7.1
回帰を用いて物件価格を予測する
簡単な問題 ...