データサイエンス実戦講座［第７回］機械学習『予測』線形回帰から一般化線形モデルへ 演習：タイタニック号の事故データ分析
機械学習の「予測・回帰」手法の詳細解説 －多くの変数が相互に影響を及ぼし合う現象を観測データに基づいた統計数理モデルで予測する－
5.00 (1 reviews)
7
students
3.5 hours
content
May 2025
last update
$69.99
regular price
What you will learn
自然現象や社会現象のメカニズムを分析するデータサイエンスの様々な手法について、シリーズのコースに分けて1つずつ習得していきます。古典的な頻度論の統計学やベイズ統計学の基礎から、機械学習や多変量解析、そして最新のディープラーニングまで、原理の理解と実務への応用を目指します。
機械学習のなかで予測や回帰と呼ばれる手法について解説します。相関関係と因果関係、統計数理モデルの全体像を把握し、目的変数と説明変数の間に線形（直線）関係があるときに使用する線形回帰モデルと、非線形のときに使用する一般化線形モデルがあることを理解します。
現実の社会現象や物理現象のデータに統計数理モデルをあてはめるときには、相関関係だけでなく因果関係が必要です。因果関係は科学的な根拠や妥当な推論によって導かれるものであり、モデルの意味を正しく解釈して利用するうで不可欠な要素です。
線形回帰モデルのなかで最も基本となる単回帰分析について理解し、複数の説明変数に拡張した重回帰モデルの適用と評価方法を習得します。演習では、賃貸住宅のを部屋の広さから予測する単回帰分析と、さらに駅からの距離、築年数、コンビニまでの距離を加えた重回帰分析の問題に取り組みます。
説明変数が質的データを扱う数量化Ⅰ類について学びます。質的データをダミーデータと呼ばれる数値データに変換することで重回帰分析に拡張します。賃貸住宅の家賃の演習問題で部屋の広さを狭い／普通／広い、などという質的変数のときの分析方法を習得します。
一般化線形モデルについて学びます。データ間に線形関係がないときはリンク関数でデータ変換して線形化したうえで回帰モデルを適用します。代表例として、ポアソン回帰ではコンビニの平均来客数の予測、ロジスティック回帰ではタイタニック号の生存確率の予測の演習問題を通して、手法の適用と評価方法を習得します。
Course Gallery
Loading charts...
6628651
udemy ID
22/05/2025
course created date
29/05/2025
course indexed date
Bot
course submited by