![見出し画像](https://assets.st-note.com/production/uploads/images/143699747/rectangle_large_type_2_52cc1a13560eb2ddcbe3e10669c4c3f6.jpeg?width=800)
『Pythonデータ解析入門』 第12章 ロジスティック回帰
本章ではロジスティック回帰の基礎について学びます.ロジスティック回帰は,入力に対して離散値を予測する教師あり学習のタスクである分類に適用することができます.たとえば,機械学習を応用した画像認識,機械翻訳,音声認識などでは対象の問題を分類として解くことをしており,分類は実社会のさまざまな実問題に適用することができます.
まず,ロジスティック回帰モデルによる分類の基本的な考え方について学びます.
次に,1つの入力の変数に基づく2クラス分類の例から始め,勾配降下法を用いたロジスティック回帰モデルのパラメータの推定について学びます.その上で,2クラス分類のための一般的なロジスティック回帰モデルのパラメータの推定について学びます.
また,発展的な内容として多クラス分類に適用可能な多項ロジスティック回帰モデルとそのパラメータの推定について学びます.
最後に,分類のモデルの評価方法について学びます.
プログラミング演習では,ロジスティック回帰モデルのパラメータを勾配降下法により推定する手続きをプログラムとして実装した上で,国勢調査に関するデータセットをもとに個人の特徴から所得の大小を予測するような分類のモデルの学習と評価を実際に行います.
本章の学習を通して,ロジスティック回帰の基本的な考え方および勾配降下法によるパラメータの推定方法について理解し,実問題を分類の問題として解く際にデータをもとに実際にロジスティック回帰モデルの学習と評価が適切にできるようになることを目標とします.
12.1 ロジスティック回帰モデルによる分類
12.2 ロジスティック回帰モデルのパラメータ推定
12.3 ロジスティック回帰モデルのパラメータ推定の一般化
12.4 【発展】多クラス分類
12.5 分類結果の評価
12.6 プログラミング
この記事が気に入ったらサポートをしてみませんか?