エントリーの編集
![loading...](https://b.st-hatena.com/55e080f1988a017874bc0ec21558ef421688a262/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
単回帰分析と重回帰分析 — ディープラーニング入門:Chainer チュートリアル
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/55e080f1988a017874bc0ec21558ef421688a262/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
単回帰分析と重回帰分析 — ディープラーニング入門:Chainer チュートリアル
単回帰分析と重回帰分析¶ 本章では、基礎的な機械学習手法として代表的な単回帰分析と重回帰分析の仕組... 単回帰分析と重回帰分析¶ 本章では、基礎的な機械学習手法として代表的な単回帰分析と重回帰分析の仕組みを、数式を用いて説明します。 また次章では、本章で紹介した数式を Python によるプログラミングで実装する例も紹介します。本章と次章を通じて、数学とプログラミングの結びつきを体験して理解することができます。 本チュートリアルの主題であるディープラーニングの前に、単回帰分析と重回帰分析を紹介することには 2 つの理由があります。 1 つ目は、単回帰分析と重回帰分析の数学がニューラルネットワーク含めたディープラーニングの数学の基礎となるためです。 2 つ目は、単回帰分析のアルゴリズムを通して微分、重回帰分析のアルゴリズムを通して線形代数に関する理解を深めることができるためです。 機械学習手法は、教師あり学習 (supervised learning) 、教師なし学習 (unsupervise