7 つの Jupyter Notebook で、教師あり回帰がラベル付きデータから数値を予測する仕組みを学びます。教師あり学習の意味から、最小二乗線形モデル、多項式特徴、誤差による比較、Ridge と LASSO の正則化へ進みます。
数式の導出と Python、scikit-learn を組み合わせます。住宅、ワクチン、Bitcoin、合成行列の例で、曲線の当てはめ、評価、過度な複雑さの影響、正則化による係数の変化を確認します。
学習内容
- 教師あり学習、回帰、分類を区別する
- 最小二乗法を導出し、NumPy で線形回帰を実装する
- Boston と北京の住宅データに線形モデルを当てはめる
- 住宅予測を評価し、モデル係数を確認する
- 多項式特徴を作り、当てはめを比較して誤差から次数を選ぶ
- 2010–2018 年の Bitcoin データを 3 次以上の多項式で当てはめる
- 悪条件の最小二乗を説明し、Ridge と LASSO を比較する
- Ridge 係数を直接計算し、scikit-learn と比較する
このコースの対象者
estimator をブラックボックスとして使うのではなく、回帰の仕組みを理解したい Python 学習者向けです。教師あり学習を始め、数式、行列、グラフ、API を結び付けたい方に適しています。導出とコード課題には、初日の Python より進んだ知識が必要です。
前提知識： Python、NumPy、Pandas、描画、代数、簡単な行列演算を推奨します。train/test データと関数の理解は役立ちますが、回帰経験は不要です。
学習環境： 7 つのアクティビティは Ubuntu 22.04 Jupyter 環境で行います。説明、可視化、データ、実行例、完成させるコードが用意されています。
よくある質問
回帰式を導出しますか、それとも scikit-learn だけですか？
両方です。最小二乗と Ridge 係数を計算し、NumPy と SciPy で一部を実装して scikit-learn と比較します。
どの予測例がありますか？
Boston と北京の住宅、ワクチン関連データ、歴史的 Bitcoin、最小二乗の不安定性を示す Hilbert 行列です。
モデルはどう評価しますか？
留保データ、可視化、平均絶対誤差、平均二乗誤差を使い、複数の多項式次数を比較します。
Bitcoin Lab は現在価格を予測し、投資助言をしますか？
いいえ。2010–2018 年の履歴データへ曲線を当てはめる回帰演習であり、リアルタイム予測や投資判断の道具ではありません。
