[Python 100日チャレンジ] Day 94 - 線形回帰モデル

回帰とは

回帰は、連続した数値を予測する機械学習タスクです。家賃、売上、気温、価格などの予測に使われます。

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)
pred = model.predict(X_test)

線形回帰の考え方

線形回帰は、特徴量と予測対象の関係を直線的な式として学習します。単純ですが、最初に試すモデルとしてよく使われます。

係数を見る

print(model.coef_)
print(model.intercept_)

係数を見ると、どの特徴量が予測にどの方向で影響しているかを確認できます。

評価する

from sklearn.metrics import mean_absolute_error

mae = mean_absolute_error(y_test, pred)

回帰では、予測値と実測値の差を見て評価します。

今日のゴール

線形回帰は、機械学習の基本を理解するのに最適なモデルです。fit、predict、評価までの流れを一度通してみましょう。