エントリーの編集
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。
回帰分析におけるデータ正規化の意味と重回帰分析における正規化データの扱い - OKWAVE
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
- 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
回帰分析におけるデータ正規化の意味と重回帰分析における正規化データの扱い - OKWAVE
回帰分析においてデータの正規化は、入力と出力のデータのスケールを揃えるための処理です。データの正... 回帰分析においてデータの正規化は、入力と出力のデータのスケールを揃えるための処理です。データの正規化により、各変数のスケールの違いが予測結果に与える影響を均一化することができます。 ただし、データを正規化することで予測結果の解釈が難しくなる場合もあります。正規化したデータの予測結果は0以上1以下の値しか取らないため、実際の値として意味を持つかどうかは状況によります。 正規化したデータで予測する場合、新しいデータを予測式に代入する前に、予測結果を元のスケールに戻す必要があります。具体的な方法は、正規化する前のデータの平均値や標準偏差を使用して、逆変換することです。 重回帰分析をプログラム作成することを考えています。 しかし、データの正規化について疑問が2つあります。 まず一つは、例えば、画像の解析をする場合にデータの正規化をすることは、 ノイズを除去したり、画像の向きを正しくすることを意味し