「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