Python学習チャンネル by PyQ

Pythonのオンライン学習プラットフォームPyQのオフィシャルブログです

「回帰分析パート」リリースのお知らせ

斎藤です。「回帰分析パート」をリリースしました。

f:id:nana_yu:20180702102207p:plain

回帰分析パートは、統計分析コースの中にあります。 関連する既存クエストも追加しましたので、統計分析コースは、18パート254問になります。

また、回帰分析パートは、scikit-learnライブラリーを使っているので、機械学習コースにも追加されています。

pyq.jp

回帰分析を学ぶと何ができるようになる?

回帰分析を学ぶと、過去のデータを使って、将来を予測したりできるようになります。 回帰分析は、需要予測などで広く使われています。

回帰分析パートでは、線形回帰や非線形回帰の色々なモデルや、過学習や正則化、モデル式、AICやステップワイズ法など、幅広く学べます。 演習として、実データに近いデータを使って、実践的に住宅価格の予測を行います。

回帰分析のクエストの紹介

以下の10クエストあります。

  1. 線形回帰を使って回帰分析してみよう
  2. 回帰分析の過学習を見てみよう
  3. 正則化を使って回帰分析しよう
  4. 回帰のパラメーターの探索しよう
  5. 非線形回帰を使おう
  6. 色々な回帰で過学習のなりにくさを確認しよう
  7. patsyのモデル式を使おう
  8. AICを使って変数選択をしよう
  9. 説明変数を改善して住宅価格を予測しよう
  10. 色々なモデルで住宅価格を予測しよう

1. 線形回帰を使って回帰分析してみよう

pyq.jp

一番シンプルな線形回帰モデルを学びます。回帰分析とはどういうものかがわかります。

2. 回帰分析の過学習を見てみよう

pyq.jp

回帰分析に必要な知識である過学習について学びます。

過学習とは何か、どうすると起きるのか、解消するにはどうすればいいかが学べます。

3. 正則化を使って回帰分析しよう

pyq.jp

過学習を避ける手法の1つである正則化について学びます。

Ridge回帰LassoElastic Netについて学びます。

4. 回帰のパラメーターの探索しよう

pyq.jp

Ridge回帰、Lasso、Elastic Netを使うために必要なパラメーターを探索し、回帰分析の性能を向上させます。

5. 非線形回帰を使おう

pyq.jp

サポートベクターマシン回帰ランダムフォレスト回帰グリッドサーチについて学びます。

6. 色々な回帰で過学習のなりにくさを確認しよう

pyq.jp

線形回帰と非線形回帰の比較をします。

7. patsyのモデル式を使おう

pyq.jp

モデル式について学びます。

モデル式を使うと、色々なモデルを簡単に試すことができます。

8. AICを使って変数選択をしよう

pyq.jp

赤池情報量規準(AIC)について学びます。

また、AICを使って、うまく説明変数を選択する手法であるステップワイズ法を試します。

9. 説明変数を改善して住宅価格を予測しよう

pyq.jp

実データに近い住宅価格データを使って、説明変数に関して、前処理を行います。

10. 色々なモデルで住宅価格を予測しよう

pyq.jp

住宅価格データを使って色々なモデルで回帰分析を行います。


いかがでしたでしょうか。ビジネスで広く使われる回帰分析を学ぶことで、分析能力の幅を広げられます。 この機会に、是非、トライしてみてください。

PyQ 統計分析コース詳細

PyQ 機械学習コース詳細

Copyright ©2017- BeProud Inc. All rights reserved.