数値の説明変数が1つの単回帰では、切片の係数と傾きの係数が1つずつあります。カテゴリカルな説明変数が1つの回帰では、各カテゴリごとに切片の係数があります。
「平行傾き」の場合は、数値とカテゴリカルの説明変数が1つずつありますが、各係数はどのような意味になるでしょうか?
taiwan_real_estate と mdl_price_vs_both が利用可能です。
taiwan_real_estate
mdl_price_vs_both
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
数値変数1つとカテゴリ変数1つを用いる「平行スロープ」回帰へと線形回帰のスキルを拡張します。これは重回帰(線形)を習得するための最初のステップです。
現在の演習
説明変数間の相互作用の効果を探ります。相互作用を考慮すると、より現実的で予測力の高いモデルになります。さらに、複数の説明変数があるときに生じうる直感に反する結果、Simpsonのパラドックスにも対処します。
とくに線形回帰では、2つを超える説明変数を扱うことが容易であることを確認します。線形回帰モデルの当てはめをマスターしたら、自分自身の線形回帰アルゴリズムを実装してみましょう。
ロジスティック回帰のスキルを複数の説明変数へと拡張します。この回帰を支える logistic 分布を理解しましょう。最後に、自分自身のロジスティック回帰アルゴリズムを実装します。