ラビットチャレンジ_機械学習1

・線形回帰モデル

　・教師あり学習の1つで、予測問題を解く際に使用する。
　・扱うデータ
　　　・入力(説明変数)：m次元ベクトル
　　　・出力(目的変数)：スカラー値
　・パラメーターの推定方法
　　　・最小二乗法を用いて推定を行う(最小二乗法以外にも方法はある)
　　　　　⇒データとモデル出力の二乗誤差に和が最小になるような
　　　　　　パラメーターを推定する
　　　※線形回帰の場合は、推定結果が最尤法の推定結果と同じになる
　　　※外れ値には弱いため注意が必要
　　　　⇒Huber損失、Tukey損失は外れ値も考慮されている
　　
　演習：ボストンハウジングデータを使った住宅価格の予測
　　・説明変数が「部屋数」の単回帰分析を行った場合
　　　sklearnのLinearRegressionを使用すると簡単に学習と予測ができる。

　　※sklearnを使うと簡単に実装できてしまうが、中で何をやっているか　　　
　　　理解することが必要。
　　　そのため、numpyのみで実装できるぐらいになることが大切！

・Numpyで実装した場合
（訓練データ：y = 2*x + 5にノイズを付加したデータを1000個準備)