Machine learningMachine learning
線形回帰（機械学習）
線形回帰は、1つ以上の入力特徴量と連続的な数値アウトカムとの間の直線的な関係を、予測誤差の二乗和を最小化することによって適合させます。機械学習モデルとして、ラベル付きサンプルで訓練され、保持されたデータで評価されるため、あらゆる回帰タスクにおける最も単純な教師あり学習のベースラインとなります。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 3). Springer. ISBN: 978-1-4614-7138-7
このページの引用方法
ScholarGate. (2026, June 3). Linear Regression as a Machine Learning Model. ScholarGate. https://scholargate.app/ja/machine-learning/linear-regression-ml
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 決定木機械学習↔ compare
- 勾配ブースティング機械学習↔ compare
- ロジスティック回帰 (ML)機械学習↔ compare
- ランダムフォレスト機械学習↔ compare
- 正則化線形回帰機械学習↔ compare