【サポートベクターマシン回帰 Python】サポートベクター回帰(SVR)とは?SVRを実行できるライブラリ、SVRのサンプルコードと実装など、サポートベクターマシンを学びたいあなたにおすすめの本もご紹介します【scikit-learn】

Python

「サポートベクターマシン」とは、データの中の関係をモデル化する方法の1つです。

サポートベクターマシンは、英語で Support Vector Machine なのですが、

発音の問題で、サポートベクトルマシンと書かれることがありますが、同じものを指しています。

本記事では、サポートベクターマシンに統一して書いていきます。

下で示すように、サポートベクターマシンは、英語を略して SVM とも書かれます。

コードの中では、以下の略語がよく使われます。

  • サポートベクターマシン;SVM ( Support Vector Machine )
  • サポートベクター分類;SVC ( Support Vector Classification )
  • サポートベクター回帰;SVR  ( Support Vector Regression )

 

サポートベクターマシンは、線形的な回帰だけでなく、

非線形な関係の回帰問題にも適用することが可能です。

「線形」とは、データのある変数が増えたら別の変数も直線的に増える(または減る)という状態を指します。

「非線形」とは、線形でない状態を指します。

わかりやすい例としては、2次関数や指数関数などがあります。

「回帰」とは、データを式で表現することを言います。

サポートベクターマシンを使った回帰分析(サポートベクター回帰;SVR)を行うことで、データの性質を表現した数式が得られます。

その数式を「(サポートベクターマシン)回帰直線」や「(サポートベクターマシン)回帰モデル」と呼びます。

 

  • サポートベクター回帰の求め方は?
  • サポートベクター回帰を行うライブラリは?
  • サポートベクターマシンを学ぶためのおすすめの本は?

と思われる方も多いかと思います。

 

そこで本記事では、

  • サポートベクター回帰を Python で行う方法
  • サポートベクター回帰を行うライブラリ
  • サポートベクター回帰モデルのサンプルコード・実装
  • サポートベクター回帰を学ぶのにおすすめの本

などについて、サンプルコードを交えながら、わかりやすくまとめます。

 

 

【サポートベクターマシン回帰 Python】サポートベクター回帰(SVR)とは?SVRを実行できるライブラリ、SVRのサンプルコードと実装など、サポートベクターマシンを学びたいあなたにおすすめの本もご紹介します【scikit-learn】

サポートベクターマシン回帰(SVR)のやり方とは

サポートベクターマシン回帰のやり方の全体像は以下になります。

(1), データの準備

(2), サポートベクター回帰(SVR)の実行

(3), 結果の可視化

の3ステップになります。

以下でそれぞれについて解説していきますね。

 

サポートベクター回帰のためのデータ準備

サポートベクター回帰は、2つ以上の変数の関係を調べる方法です。

サポートベクター回帰分析では、2つ以上の変数を含んだデータが必要です。

例えば2変数であれば、

  • 身長と体重
  • 気温と売り上げ

などの値のペアのデータとなります。

  • サポートベクター回帰分析では、分析に適した形式のデータが必要

ということになります。

 

これを読まれているあなたは、サポートベクター回帰を行ってみたいデータをお持ちかもしれません。

そのデータを使われて構いません。

この記事では、人工データを使って、サポートベクター回帰を行ってみたいと思います。

 

 

 

Python なら、サクッとサポートベクター回帰を実行できます。

サポートベクター回帰ができるライブラリがあるので、

細かいアルゴリズムをプログラミングしなくても

サポートベクター回帰をラクに実行することができます。

以下でサポートベクター回帰の実装を説明しますね。

 

 

この先は会員限定になります。

会員の方はログインをお願いいたします。

登録がまだの方は、会員登録をお願いします。

>>> 会員登録はこちら

 

 

↓こちら無料で読めます

 

 

 

 

コンテンツの残りを閲覧するにはログインが必要です。 お願い . あなたは会員ですか ? 会員について