antigravity

1. 定義と概要 単回帰分析とは、1つの説明変数（予測のもとになる入力側の変数）xと1つの目的変数（予測したい結果側の変数）yの関係を、y = β0 + β1x…

1. 定義と概要 半教師あり学習とは、正解ラベルが付いた少量のデータと、正解ラベルが付いていない大量のデータを組み合わせて学習するアプローチです。たとえば、専門…

1. 定義と概要 スケーリングとは、特徴量（モデルに入力する個々のデータ項目。年齢や広さ、金額などが該当します）ごとに異なる数値の範囲や単位をそろえる前処理の総…

1. 定義と概要 非復元抽出とは、母集団（調査や分析の対象となるデータ全体の集まり）から標本抽出（母集団から一部を取り出して調べること）を行う際、一度選んだ要素…

1. 定義と概要 復元抽出とは、母集団から標本を取り出す際、取り出した要素をそのつど母集団に戻してから次の要素を取り出す標本抽出の方法です。同じ要素が複数回選ば…

1. 定義と概要 回帰木とは、決定木（木構造で条件分岐を繰り返しながら予測を行う手法）のうち、予測対象が連続値（気温や金額のように切れ目なく続く数値）である場合…

1. 定義と概要 回帰係数とは、回帰分析で求める回帰式において説明変数にかかる係数のことで、説明変数（結果を予測するために使う入力側の変数）が1単位変化したとき…

1. 定義と概要 ランダムフォレストとは、バギング（元データから重複を許してランダムに複数の学習データセットを作り、それぞれでモデルを学習させて結果を統合する手…

1. 定義と概要 主成分とは、主成分分析において複数の元の変数（観測変数）を線形結合してつくられる新しい合成変数のことです。データの分散（データのばらつきの大き…

1. 定義と概要 主成分分析（PCA）とは、相関を持つ複数の変数からなるデータについて、分散（データの値がどれくらいばらついているかを示す指標）が最大になる方向…