Pythonで学ぶ線形モデリング入門

この章では、線形モデルを構築するための要素を見ていきます。テイラー展開の考え方を手がかりに、傾きと切片というパラメータに注目し、それらがモデルをどう定義し、さまざまな実例でどのように解釈できるかを学びます。さらに、最小二乗法や numpy、statsmodels、scikit-learn などを用いて、傾きと切片の最適値を計算し、データに最も適合するモデルを求めます。

次に、実データへモデルを適用して予測を行います。予測にありがちな落とし穴や限界を検討し、RMSE や R-squared を含む複数の当てはまり指標を定量化・比較することで、モデルを評価します。

最終章では推測統計の概念を導入し、最尤推定やブートストラップ再標本化を利用して線形モデルのパラメータを推定する方法を学びます。続いて、これらの手法を使い、モデルパラメータに対する私たちの確信度について確率的な主張を行います。