回帰

回帰とは

回帰とは、最も一般的な機械学習モデルの 1 つです。一般に、回帰とは変数間の関係性の推定を意味します。簡単に言うと、回帰とは分類ではないことすべてです。分類では観察が属するカテゴリ(性別など)を予測するのに対し、回帰では高さなどの数値を推定します。 線形回帰機械学習とデータサイエンスの文脈では、回帰とは、連続従属変数の推定または入力変数(特徴量)のリストからの応答を指します。回帰には複数の手法があり、最も単純なもの(線形回帰)から複雑な伝統的統計回帰モデル(Lasso、Elastic Net など)、さらにはより複雑な勾配ブースティングニューラルネットワークといった手法までさまざまです。回帰分析のパフォーマンスや誤差を定量化する方法はいくつかあり、平均二乗誤差や平均絶対誤差、R-2乗値誤差などがあります。

回帰が重要である理由

さまざまな現実への応用を含め、連続する数値を伴う予測には回帰が欠かせません。住宅価格や株価の予測などのあらゆる金融予測は、回帰を使用してモデリングできます。回帰は、天文学、生物系、自動車テスト、気象解析などで幅広く応用できます。時系列予測も回帰の問題です。今日のデータ駆動型の社会では、回帰は予測の手段として一般的に使用されており、その重要性を軽視することはできません。

回帰 + DataRobot

回帰は一般的なアルゴリズムの 1 つですが、従来のモデリング手法やツールで回帰モデルを作成するには、未だに大掛かりな手作業が必要です。DataRobot プラットフォームは、いくつかのボタンをクリックするだけでデータセットの回帰分析を自動化します。DataRobot の自動機械学習プラットフォームは、データセットのターゲット変数に基づいて、回帰と分類のどちらがタスクに適しているのかを自動的に決定でき、ユーザーの介入は必要ありません。また、回帰分析と可視化ツールに欠かせない誤差指標とパラメーターを提供するため、ユーザー(およびその上司)によるモデルのインサイトの理解が促進されます。これらに加え、DataRobot University ではあらゆるレベルの学生を対象に回帰について学べる一連のコースを開催しており、このプラットフォームで回帰の問題を効果的に解決するために何ができるのかについて理解を深めることができます。