やりたい事 データが与えられたときに予測をしたいのですが、 そのためには、データにフィットする曲線を求めればよさそうです。 出力値が入力値の関数で表せるならば、新たな入力に対して予測ができます。 単なる点推定ではなく、不確実性を表現できると予測としては最高です。 これがベイズ線形回帰で実現できます。 概要 本記事では説明することが多いので、流れを説明します。 実際の項目とは異なります。 「モデルの決定」どんなモデルを使うか決めます。 「パラメータの導出」モデルのパラメータを訓練データから求めます。 「モデル選択」ハイパーパラメータ の値についてざっくり検討します。 「過学習と正則化」過学習と正則化について簡単に触れます。 「最尤推定」確率モデルについて最尤推定します。 「事後分布とMAP推定」事後分布を求め、MAP推定します。事前分布を2パターン設けて説明します。 「予測分布」予測分布を導