2. 1 変数による線形回帰
2.1 モデル表現
最初の学習アルゴリズムは線形回帰アルゴリズムです。このビデオでは、アルゴリズムの概要がわかり、さらに重要なことに、教師あり学習の完全なプロセスを理解できます。
例から始めましょう: この例は住宅価格を予測するもので、オレゴン州ポートランドの住宅価格を含むデータセットを使用します。ここでは、さまざまなサイズの住宅の販売価格に基づいてデータセットをプロットします。たとえば、友人の家が 1,250 平方フィートの場合、その家がいくらで売れるかを伝える必要があります。そうですね、できることの 1 つは、直線などのモデルを構築することです。このデータ モデルから、この家は約 220,000 (米ドル) で売れると友人に伝えることができるかもしれません。これは教師あり学習アルゴリズムの例です。
これは教師あり学習と呼ばれます。データごとに、データによると家の実際の価格がいくらであるかを示す「正解」が与えられるためです。より具体的には、これは回帰問題です。回帰という言葉は、前のデータ (この場合は価格) に基づいて正確な出力値を予測することを意味します。また、離散的な出力値を予測したい場合には、分類問題と呼ばれる別の最も一般的な教師あり学習方法があります。がん腫瘍を探し、その腫瘍が良性か悪性かを判断したい場合、これは 0/1 離散出力の問題です。さらに、教師あり学習には、トレーニング セットと呼ばれるデータ セットがあります。
このコースではトレーニング例の数を示すために小文字を使用します。
前回の住宅取引問題を例に挙げると、