機械学習の教師あり学習に該当する回帰をPythonで学ぶ!
なぜ回帰分析を学ぶのか?
近年、機械学習がビジネス分野での活用が進んでいますが、 機械学習は主に、教師あり学習と呼ばれる「分類」「回帰」と教師なし学習と呼ばれる「クラスタリング」「次元削除」、または、「強化学習」 といったように、5つのカテゴリーに大きく分けられます。
回帰分析は、例えば、売上や販売個数、キャンペーンの申込者数などのあらゆる数値予測が可能な汎用的手法であり、ビジネス領域で非常に人気のある分析手法となっています。
回帰分析を扱えるようになることで、各数値の予測などが行えるようになることが回帰分析を学ぶ理由となっております。
どのように回帰分析を学ぶのか?
本教材では、Pythonによる回帰分析に特化して学んでいきます。というのも回帰分析単体や、Python単体を説明した書籍などがそれぞれバラバラの情報として存在していますが、Pythonによる回帰分析という1つのテーマに集約された上で一気通貫で学べるものが無いため、今回、執筆させていいただくこととしました。
統計モデルを作成する上で必要となる統計学の観点からの回帰分析についての基本的な考え方や理論を学んだのち、Pythonを使った実際のモデル作成の方法から、結果の解釈の仕方、チューニングによる予測精度の向上の方法までを学んでいきます。
また、統計学と機械学習の違いや使い分けといった素朴な疑問についても解説していきます。
学習内容
- 単回帰・重回帰分析
- 偏回帰係数の検定(t検定とF検定の使い分け)
- 点推定と区間推定
- ダミー変数化
- 最大対数尤度とAICによるモデル選択
- 自由度調整済み決定係数R^2の取扱い
- 最尤推定法について
- 正規性検定について
- ダービンワトソン比について
本教材が終えたらどのような状態になっているか
- 回帰分析の全体像を理解して、回帰分析でできるユースケースを理解している。
- 回帰分析のメリットとデメリットを理解して、他の分析との使い分けの判断基準を理解できている
受講における必要条件
- Pythonの初歩的な知識(変数、配列、条件分岐、ループ文等を理解している)
- Pythonを一度も触ったことがない方は、まずはProgate等で学習することをおすすめします。
- Googleアカウントを持っていること(お持ちでない場合は、カリキュラム内の手順で作成していただきます)
- 簡単なコマンドラインの知識(
cd
、ls
、pwd
、mkdir
、cat
、vi
等を使ったことがある)
この教材の対象者
- 回帰分析をはじめて学ぶ方
- 回帰分析でどんなことができるのか知見がない方
- Pythonによる回帰分析の入門書籍を買って独学してみたが、数式での説明が多くて内容がいまいち理解できなかった方
学ばないこと
- 本教材は回帰分析の大まかな流れを把握することを一番の目的としており、ターミナルや各種Pythonライブラリの詳細な使用方法等については触れず、最低限度の説明に留めています。
- 正規分布や仮説検定などの統計についての詳細な知識
本教材の対応バージョン
- Python 3.7.13以降
Python2には対応していません。また、学習を進める場合、Google Colab内のプリインストールされたバージョンをそのままご活用いただくことをおすすめします。
本教材に対応している環境
- macOS
- Windows
カリキュラム
Section 1 単回帰分析をやってみよう
- 1-1 単回帰分析をやってみよう
- 1-2 回帰直線を引いてみよう
- 1-3 仮説検定について考えてみよう
- 1-4 回帰係数について考えてみよう
- 1-5 点推定してみよう
- 1-6 区間推定してみよう
- 1-7 t検定してみよう
Section 2 重回帰分析をやってみよう
- 2-1 重回帰分析とは?
- 2-2 重回帰分析による回帰係数について考えてみよう
- 2-3 ダミー変数に変換してみよう
講師のプロフィール
教材のレビュー
4.0
1件の評価
0%
100%
0%
0%
0%
YOSHIO 1年以上前
DS/機械学習有識者ですが、基本に立ち返る為受講。
初歩を復習でき、おすすめです。