![](https://cdn-ak-scissors.b.st-hatena.com/image/square/5210180b74a9e4e9e9cd2d1519bfae9b0f75943d/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9U3dpZnQlRTMlODElQTclRTYlQTklOUYlRTYlQTIlQjAlRTUlQUQlQTYlRTclQkYlOTIlRTMlODIlOTIlRTUlQUQlQTYlRTMlODElQjYlRTMlODAlOTAlRTMlODMlQUQlRTMlODIlQjglRTMlODIlQjklRTMlODMlODYlRTMlODIlQTMlRTMlODMlODMlRTMlODIlQUYlRTUlOUIlOUUlRTUlQjglQjAlRTclQjclQTglRTMlODAlOTEmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtY2xpcD1lbGxpcHNpcyZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTcwNmEyNTU0NzI2ZmQzNDJkNTBjMjZlNjhkNmQ0NjVm%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwa29vb29vdGFrZSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9YmI5NTAxOTU0MzRiM2ZkNzM2YTE3YjhhYTk0MGUzMzI%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D3caa5a7f99d6c33a546fcb97404abe52)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/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。
Swiftで機械学習を学ぶ【ロジスティック回帰編】 - 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
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/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
Swiftで機械学習を学ぶ【ロジスティック回帰編】 - Qiita
はじめに 流行りの機械学習、実際どんな計算しているの? ということで、流行りのSwiftで実装してみまし... はじめに 流行りの機械学習、実際どんな計算しているの? ということで、流行りのSwiftで実装してみました。 最初は教師あり学習であるロジスティック回帰。 ロジスティック回帰とは、パーセプトロンと同じ分類アルゴリズムであり、最尤推定法で分割線のパラメーターを決定するアルゴリズムです。 つまり、「新しく与えられたデータは$t=1$に属する」 という推定だけではなく、 「新しく与えられたデータが$t=1$に属する確率は70%」 という、確率的な推定ができるようになります。 ITエンジニアのための機械学習理論入門を参考に、ロジスティック回帰についてまとめさせていただいた資料をこちらに用意しました。今回は資料に沿って説明していきたいと思います。 手順 ロジスティック回帰では、以下の3STEPで分類問題を解きます。 得られたデータが、ある属性値を持つ確率(事後確率)を設定しておき そこから逆に、トレ