インタラクティブ回帰デモ (Regression)
回帰 (Regression)
目的: 連続的な「数値」を予測する。(例: 身長から体重を予測)
下のキャンバスをクリックして点を追加すると、全体の傾向を表す線が引かれます。
マウスをキャンバス上に動かしてください
機械学習の基本タスク:「回帰」とは?
回帰 (Regression) は、入力されたデータから連続的な数値を予測する、機械学習の非常に基本的なタスクです。「身長」と「体重」の関係のように、ある変数(説明変数)が別の変数(目的変数)にどう影響するかを数式でモデル化します。
回帰のポイント
- 目的: データ全体の傾向(トレンド)を捉え、その関係性を数式で表現すること。これにより、未知のデータに対する予測が可能になります。
- 出力: 連続的な数値 (例: 170.5 cm, 85,000円, 25.3℃)。ピッタリとしたカテゴリではなく、無段階の値を取ります。
-
身近な例:
- 不動産価格の予測: 家の広さ、築年数、立地から価格を予測する。
- 売上予測: 広告費、季節、過去の売上から将来の売上を予測する。
- 気温予測: 日時、風速、湿度から数時間後の気温を予測する。
このデモの動き
このデモでは、あなたがクリックして配置した点(データ)の分布を最もよく表す直線(線形回帰モデル)を自動で計算しています。このモデルは、データ全体の関係性を y = ax + b
という単純な一次関数の数式で表現しようとします。「学習」とは、この a
(傾き) と b
(切片) の最適な値を見つけるプロセスです。
線が引かれた後、マウスをキャンバス上で動かすと、そのX座標に対応する予測値Yがリアルタイムで表示されます。これは、学習したモデルを使って未知のデータに対する予測を行っていることを示しています。