目次

１、線形回帰って何？〜概要

２、何してるの？〜アルゴリズム

３、例えば？〜分析

１、線形回帰って何？〜概要

線形回帰（単回帰分析）はデータに線を引いて、傾向みたり、線の上にあるか下にあるかみるもの。教師あり学習。

２つのものを比べて、一個大きくなったらもう一個は大きくなるのか小さくなるのか、その度合いで、２つのものがどれだけ関係があるのか、どんな関係性なのかを調べる方法。そして、その線をたどったら、１つわかるともう１つもだいたいわかるから未来予知に使える。

２、何してるの？〜アルゴリズム

まずは公式

何個かある

統計学大百科事典 、機械学習図鑑、線形回帰分析とは？ [Day6]

線形回帰分析とは？ [Day6]｜トタデータブログ -統計学/機械学習/データ分析-はじめに この記事では機械学習における「線形回帰分析」について考えていきます。 「線形回帰ってなんで線形というの？」 「totadata.com

などを参考にさせて書かせていただきました。

統計的学習入門（An Introduction to Statistical Learning with Applications in R）を読んで、分析でのいろんなツールで何をやっているのかで、

回帰、分類、クラスタリングと次元削減の４つが主に行われているのかな。

本書で紹介されていたものをRを使って、自分で分析するところまでやりたい。つまり、実際のデータを持ってきて、問題提起、分析をして結論を出す。言語はRとPythonを使う。

３章　線形回帰、線形重回帰、K最近傍法

４章　ロジスティック回帰ー多重ー多項、線形判別分析、2時判別分析、K最近傍法

５章　リサンプリングー交差検証（ホールドアウトー１つ抜き交差ーk分割交差）、ブーストラップ

６章　線形モデル選択と正規化ー１部分集合洗濯（裁量部分集合選択ーステップワイズ法ー最小モデルの選択）２縮小推定（リッジ回帰ーLassoーチューニングパラメータの選択）３、次元削減（主成分分析ー部分最小２乗法）

８章　決定木（回帰ー分類）

９章　サポートベクターマシン

１０章　Deeplearning、ニューラルネットワーク、CNN、RNN

１３章　教師なし学習　（主成分分析ークラスタリング（K平均クラスタリングー階層的スラスタリング）

これらを、アルゴリズムの復習、注意点、実際に分析するという順番にまとめていこうと思う。

ちなみに、このブログを書いている者は、現在サンフランシスコの統計学部３年生で２３歳の男性です。

このブログの目的は、分析を自分で出来るようにしたいために、学んだもののアウトプットの場です。

なぜ分析ができるようになりたいのかというと、アメリカでデータサイエンティストとして就職したくて、そのためにまず、インターンを探したいので、そのためのポートフォリオやスキル定着にでもなればいいなということです。また、後々、英語と中国語に翻訳して、それぞれの言語のメディアに載せていこうと思う。それを老ぼれの大学３年生ではメインでやっていきたい。

指摘はいつでも大歓迎なので、ぜひメッセージしてください。

＊追記

機械学習おすすめ書籍 | 必読の１冊 『Rによる統計的学習入門(ISL)』
https://totadata.com/book_islr/

こちらのサイトがすごく参考になりそうなので、迷惑にならないようなレベルで参考にさせてもらいます！
多分、UIとか内容の質が全く格が違うから、あくまで自分の思考の生理用のブログということで、おそらく問題にはならない（なれない）ような気がします。