4.機械学習における回帰(システム同定)

4.1.回帰分析とは

 回帰分析とは、システムにおける観測可能なデータから変数間の関係をモデリングすることである。

入力(説明変数)X∈Rn の関数として出力(目的変数)Y∈Rmを説明する変数の関係性 f:Rn →Rmをモデル化する。

Y=X)     (1)

4.2.回帰の種類[13]

回帰には、モデル式を仮定してデータにフィットするパラメータを探索するパラメトリック回帰と、モデル式を仮定しないノンパラメトリック回帰とがある。パラメトリック回帰は、サンプル数が少ない時は、うまくモデル化できないことがあるが、ノンパラメトリック回帰では、サンプル数が少ない場合でも高い予測精度が期待できる。

 パラメトリック回帰には、線形回帰、非線形回帰、ノンパラメトリック回帰にはサポートベクタ回帰、ガウス過程回帰、回帰木、アンサンブル学習などがある。

 

4.3.回帰分析の流れ

実際の回帰分析は以下のようなステップで行う。

まず、観測された値に基づき、モデルを作成する。そしてモデルのクオリティ(品質)が十分であるか確認し、改善の必要性があればモデルを変更する。モデルがいったん作成されると、未知(入力サンプルに対し、このモデルを使って出力を予測する。


このコンテンツは会員限定のコンテンツです。
会員登録または、ログインしてください。

あわせて読みたい