線形回帰モデルは、常にデータに直線を当てはめます。直線は、切片と傾きという2つの性質によって定義されます。
ここでは、台湾不動産データセットを使って、近隣のコンビニエンスストア数と単位面積あたりの住宅価格の散布図を確認できます。
グラフをクリックして、線形回帰のトレンドラインの切片を推定してください。
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
この人気の統計モデルの基本、回帰とは何か、そして線形回帰とロジスティック回帰の違いを学びます。続いて、数値変数とカテゴリ変数を説明変数として用いた単回帰モデルの当てはめ方を学び、モデル係数を使って応答変数と説明変数の関係をどのように表現するかを理解します。
現在の演習
このチャプターでは、線形回帰モデルを使って台湾の住宅価格やFacebook広告のクリック数を予測する方法を学びます。また、モデルオブジェクトを実際に扱いながらスキルを伸ばし、「平均への回帰」という概念を理解し、データセット内の変数変換の方法も身につけます。
このチャプターでは、モデルに問いを立てて当てはまりを評価する方法を学びます。線形回帰モデルがどの程度データに適合しているかを数値化し、可視化を用いてモデルの問題を診断し、各観測値がモデル作成に与えるレバレッジや影響力を理解します。
ロジスティック回帰モデルの当てはめ方を学びます。実データを用いて、顧客が銀行口座を解約する確率を成功確率やオッズとして予測し、混同行列でモデル性能を評価します。
