はじめに
この実験では、scikit-learn の RANSAC アルゴリズムを使って、欠陥のあるデータに線形モデルを強固に適合させる方法を示します。通常の線形回帰器は外れ値に敏感で、適合させた直線はデータの真の潜在的な関係から簡単にずれてしまう可能性があります。RANSAC 回帰器は自動的にデータをインライアとアウトライアに分割し、適合させた直線は特定されたインライアのみによって決定されます。私たちは、scikit-learn の make_regression データセットを使って外れ値を含むランダムなデータを生成し、その後、線形モデルと RANSAC 回帰器の両方をデータに適合させます。
VM のヒント
VM の起動が完了したら、左上隅をクリックして ノートブック タブに切り替えて、Jupyter Notebook を使った練習を行います。
時々、Jupyter Notebook が読み込み終了するまで数秒待つ必要がある場合があります。Jupyter Notebook の制限により、操作の検証を自動化することはできません。
学習中に問題に遭遇した場合は、Labby にお問い合わせください。セッション後にフィードバックを提供してください。すぐに問題を解決いたします。