OSSコンソーシアム 開発基盤部会 第38回 部会 AIプログラム解説（２）2-1 機械学習 scikit-learn 単回帰・重回帰 分析編

今回の部会では、機械学習ライブラリの一つであるscikit-learnを使用した単回帰と重回帰の解析手法について解説いたします。

単回帰分析

単回帰分析は、1つの説明変数から目的変数を予測するモデルを構築する手法です。scikit-learnでは、LinearRegressionクラスを使用して単回帰分析を行うことができます。

“`
import numpy as np
from sklearn.linear_model import LinearRegression

X = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y = np.array([2, 4, 6, 8, 10])

model = LinearRegression()
model.fit(X, y)

print(model.coef_)
print(model.intercept_)
“`

重回帰分析

重回帰分析は、複数の説明変数から目的変数を予測するモデルを構築する手法です。scikit-learnでは、LinearRegressionクラスを使用して重回帰分析を行うことができます。

“`
X = np.array([[1, 2], [2, 3], [3, 4], [4, 5], [5, 6]])
y = np.array([3, 6, 9, 12, 15])

model = LinearRegression()
model.fit(X, y)

print(model.coef_)
print(model.intercept_)
“`

以上が、scikit-learnを使用した単回帰と重回帰の分析手法の解説でした。機械学習における基本的な手法であるため、是非活用してみてください。