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。
Pythonを使った回帰分析の概念の解説 番外編1 - Qiita
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
Pythonを使った回帰分析の概念の解説 番外編1 - Qiita
アニメーションで理解する最小二乗法 Pythonを使った回帰分析の概念の解説 その1では、データに最適な... アニメーションで理解する最小二乗法 Pythonを使った回帰分析の概念の解説 その1では、データに最適な直線を描くには、最小二乗法を使い、直線とデータの差(誤差)を最小にするようにパラメーターを設定することを説明しました。 ここではその番外編として、各パラメータが変わっていく様をアニメーションにしてグラフを描画してみました。こうしてみるとイメージが湧くかと思います。 グラフのタイトルにある"sum of square errors"が誤差の二乗和なので、これが最小となるところが一番良い位置になります。 傾きが変わっていく様子 まずは傾きが変わっていく様子を見てみます。 matplotlibでアニメーションを出力するためにmatplotlib.animation.FuncAnimation関数を使っています。グラフを描画する関数を外出しして、引数にアニメーションで変化させる値をとるようにしま