80分で学ぶ！Pythonによる回帰分析の基本【Pythonデータサイエンス超入門】
ฝัง
- เผยแพร่เมื่อ 16 ก.ค. 2024
- 様々な場面で活躍するデータ分析手法「回帰分析」をPythonで実行できるようになりましょう！
ライブラリはstatsmodelsを使用しています。
質問・リクエスト等のお気軽なコメントや、Super Thanksによる応援を頂けますと大変励みになります！
【ソースコードのコピペ用ページ】
analysis-navi.com/?p=4101
0:00 イントロダクション
4:33 回帰分析とは？
14:22 Pythonで回帰分析を行う準備
17:11 ダミー変数の作成
19:30 回帰分析の実行
23:03 回帰分析の結果の解釈
30:27 Formula APIによる回帰分析の実行
34:00 特徴量エンジニアリング
41:38 未来予測
45:12 グラフ作成による精度確認
52:26 ラッソ回帰、リッジ回帰、Elastic Net
1:05:45 ロジスティック回帰
1:19:25 ポアソン回帰
1:22:15 クロージング
【キーワード】
線形回帰
p値
交互作用
多重共線性（マルチコ）
価格弾性力
L1正則化／L2正則化
MSE（平均二乗誤差）
RMSE（二乗平均平方根誤差）
リンク関数
#Python #データサイエンス
![[TH] Esports World Cup : Grand Final](http://i.ytimg.com/vi/sedbKhFYDMo/mqdefault.jpg)
とても分かりやすく、今回も大変勉強になりました。ありがとうございます！
こちらこそご視聴頂きありがとうございました！
こんにちは。解説ありがとうございます。
こちらこそコメントありがとうございます！
この動画もとてもわかりやすく大変参考になりました。現在の重回帰を用いた検討についてもFormula APIや正則化でとても効率化できそうですので頑張ってみます。
ありがとうございます！
特徴量エンジニアリングや正則化はExcelでは大変なので、Pythonでの実行方法を覚えておくと良いですね！
新しい動画配信ありがとうございました。待ってました(笑) 回帰分析の奥が深いことがよくわかりました。エクセルで出来る範囲等、以前の動画を見返して勉強したいと思います。次回の動画も楽しみに待ってます！
こちらこそありがとうございます！本チャンネルの動画がお役に立てましたら幸いです！
いつも分かりやすい動画ありがとうございます。
初歩的な質問で申し訳いですが、今回の動画の場合、分割学習法はしていなかったのですが、formura apiの場合は必要ないのでしょうか？
こちらこそありがとうございます！
分割学習法は「モデルの正解率〜%」などと精度を計測する際には必要なのですが、今回の動画のように「重要な説明変数はどれか？」という使い方をするような際には分割学習法は必須ではありません。
なので、「formula APIは分割学習法は必要ない」という訳ではなく、「回帰分析を行う目的によっては分割学習法は不要」という感じになります。
@@nishimaki 返答ありがとうございます。
理解しました。
これからも分かりやすい動画を楽しみにしています。