線形回帰のまとめ（その４、Pythonでのパフォーマンス比較）
前回 は、線形回帰をPythonを使って、 数式で解くパターン 最急降下法を力技でやるパターン 最急降下法を行列で解くパターン ScikitLearnのライブラリを使うパターン の４つの方法で実装してみました。 最後に、最急降下法が収束する様子を観察し、それぞれの方法でのパフォーマンスの比較をしてみようと思います。
投稿
線形回帰のまとめ（その２、最急降下法）
続きまして、次のアプローチを紹介します。 前回（その１、数式で解く） では、数式を使って解くことができました。しかし、解くことができたのは、直線にて近似する線形回帰だからです。目的関数がもっと複雑で2次関数や指数関数などになったり、特徴量が3つ、4つと増えていくと数学的なアプローチが難しくなります。それに備えて、ほかの方法を理解しておきましょう。
線形回帰のまとめ（その１、数式で解く）
こんにちは、デジタルイノベーターのTakum!です！ Googleさんに粋なお祝いをしていただきました。Google Mapのストリートビューに立つ人間のアイコンがパーティーモードになりました。時差の関係で翌日の今日気づいたのですが。こういう遊び心は好きです。ちなみに昨日は特別なこともなく普通に酔っぱらって寝ました。はい。 誕生日のストリートビューのアバターはパーティー！ さて、AIを謳っておきながら日常の多忙にかまけてろくなブログ書いていませんでしたが、たまにはきちんと理論をまとめておきたいなと思い、重い腰を上げました。今日は、機械学習の基本中の基本、「線形回帰」についてまとめたいと思います。