【このページは現在作成中です】
第5回：教師あり学習：回帰†
5.1 データの理解†
探索的データ解析（Exploratory Data Analysis: EDA)†
- 第4.1節で紹介したEDA
- 機械学習モデルを訓練する前の重要なファーストステップ
- 外れ値、データの分布、特徴量間の関係を視覚的に検出
散布図行列†
- データの特徴量のペアに対する相関関係を1つの平面上で可視化
例題1：XX問題†
例題2：シェアサイクルの需要予測問題†
- RQ: シェアサイクルの日々の貸出履歴から，将来の利用者数を予測できるか？
- 1. Google Colabを開き，「bike-eda.ipynb」ノートブックを開く
- 第4.1節で既に散布図行列を作成済み
5.2 前処理†
5.3 モデル選択・学習†
5.4 モデルの評価†
予測性能の指標†
決定係数(R-squared :R^2)†
平均2乗誤差(mean squared error :MSE)†
平均絶対誤差(mean absolute error :MAE)†
二乗平均平方根誤差(root mean squared error :RMSE)†
5.5 最新の回帰モデル†
![[PukiWiki]](image/dx_expert_logo.png "[PukiWiki]"){kind=logo}
