|
|
|
@ -8,7 +8,7 @@
|
|
|
|
|
|
|
|
|
|
## イントロダクション
|
|
|
|
|
|
|
|
|
|
これらの4つのレッスンでは、回帰モデルを構築する方法について学びます。回帰モデルが何をするためのものなのかは、後ほど説明します。しかし、何かを始める前にプロセスを開始するための適切なツールが用意されていることを確認してください!
|
|
|
|
|
この章で用意されている4つのレッスンでは、回帰モデルを構築する方法について学びます。回帰モデルが何をするためのものなのかは、後ほど説明します。しかし、何かを始める前にプロセスを開始するための適切なツールが用意されていることを確認してください!
|
|
|
|
|
|
|
|
|
|
このレッスンでは、以下のことを学びます。
|
|
|
|
|
|
|
|
|
@ -73,7 +73,7 @@
|
|
|
|
|
|
|
|
|
|
コードにコメントを追加することで、ノートブックをセルフドキュメント化することができます。
|
|
|
|
|
|
|
|
|
|
✅ ウェブ開発者とデータサイエンティストの仕事環境がどれほど違うか、ちょっと考えてみてください。
|
|
|
|
|
✅ ウェブ開発者とデータサイエンティストの開発環境がどれほど違うか、ちょっと考えてみてください。
|
|
|
|
|
|
|
|
|
|
## Scikit-learnを使ってみましょう
|
|
|
|
|
|
|
|
|
@ -199,17 +199,17 @@ s1 tc: T細胞(白血球の一種)
|
|
|
|
|
|
|
|
|
|
✅ ここで何が起こっているのか、少し考えてみましょう。直線がたくさんの小さなデータの点を通っていますが、正確には何をしているのでしょうか?この直線を使って、見たことのない新しいデータポイントがプロットのy軸との関係でどこに当てはまるかを予測することができるはずだということがわかりますか?このモデルの実用的な使い方を言葉にしてみてください。
|
|
|
|
|
|
|
|
|
|
おめでとうございます!あなたは初めて線形回帰モデルを構築し、それを使って予測を行い、それをプロットで表示しました!
|
|
|
|
|
おめでとうございます!初めて線形回帰モデルを構築し、それを使って予測を行い、結果をプロットで表示しました!
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
## 🚀チャレンジ
|
|
|
|
|
|
|
|
|
|
このデータセットから別の変数をプロットしてください。ヒント: `X = X[:, np.newaxis, 2]` の行を編集する。今回のデータセットのターゲットである、糖尿病という病気の進行について、どのような発見があるのでしょうか?
|
|
|
|
|
このデータセットから別の変数を選択してプロットしてください。ヒント: `X = X[:, np.newaxis, 2]` の行を編集する。今回のデータセットのターゲットである、糖尿病という病気の進行について、どのような発見があるのでしょうか?
|
|
|
|
|
## [講義後クイズ](https://jolly-sea-0a877260f.azurestaticapps.net/quiz/10/)
|
|
|
|
|
|
|
|
|
|
## レビュー & 自主学習
|
|
|
|
|
|
|
|
|
|
このチュートリアルでは、単変量回帰や重回帰ではなく、単純な線形回帰を扱いました。これらの手法の違いについて少し調べてみるか、この [ビデオ](https://www.coursera.org/lecture/quantifying-relationships-regression-models/linear-vs-nonlinear-categorical-variables-ai2Ef) を見てみましょう。
|
|
|
|
|
このチュートリアルでは、単変量線形回帰や多変量線形回帰ではなく、単純線形回帰を扱いました。これらの手法の違いについて少し調べてみるか、この [ビデオ](https://www.coursera.org/lecture/quantifying-relationships-regression-models/linear-vs-nonlinear-categorical-variables-ai2Ef) を見てみましょう。
|
|
|
|
|
|
|
|
|
|
回帰の概念について詳しく調べ、この手法でどのような質問に答えられるかを考えてみましょう。この [チュートリアル](https://docs.microsoft.com/learn/modules/train-evaluate-regression-models?WT.mc_id=academic-15963-cxa) で理解を深めることもできます。
|
|
|
|
|
|
|
|
|
|