https://github.com/snghrsw/kikagaku-ml-learning

Pythonで単回帰分析と重回帰分析、ディープラーニングで回帰と分類
https://github.com/snghrsw/kikagaku-ml-learning

liner-regestion multiple-regression numpy pandas python scikit-learn

Last synced: 24 days ago
JSON representation

Pythonで単回帰分析と重回帰分析、ディープラーニングで回帰と分類

• Host: GitHub
• URL: https://github.com/snghrsw/kikagaku-ml-learning
• Owner: snghrsw
• Created: 2018-08-07T07:25:33.000Z (over 6 years ago)
• Default Branch: master
• Last Pushed: 2018-08-09T04:20:19.000Z (about 6 years ago)
• Last Synced: 2024-02-20T16:11:04.489Z (9 months ago)
• Topics: liner-regestion, multiple-regression, numpy, pandas, python, scikit-learn
• Language: Jupyter Notebook
• Homepage:
• Size: 163 KB
• Stars: 0
• Watchers: 2
• Forks: 1
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        

# 1.概要

AI ∋ 機械学習 ∋ ディープラーニング

# 2.微分

微分は接点の傾きを求められる

y=ax+b / y=ax^2

傾き0を利用することで、ある関数（ex.誤差）が最小（or最大）となる点が求まる

# 3.単回帰分析

入力変数xが1つであるという制約

家賃の予測

家賃=y（出力変数）

x:入力変数（広さ、距離）

単回帰分析では、xは1つ

（広さだけを使う）

複数を考慮したいときは、重回帰分析

## 1. 学習

広さx、家賃yのデータを入れる

20平米のとき→家賃5万

モデルが完成する（学習させる、訓練させる）

## 2. 推論

学習済みデータを用いる

広さを入れると、家賃が出てくる

広さ4（入力値）→家賃4（予測値）

外層、内層の範囲