![](https://cdn-ak-scissors.b.st-hatena.com/image/square/e9222336ff9b268aea9274907d95ec1a8c334d11/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-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUU2JTk1JTk5JUU1JUI4JUFCJUUzJTgxJTgyJUUzJTgyJThBJUU1JUFEJUE2JUU3JUJGJTkyJUUzJTgxJUFFJUU1JTlGJUJBJUU3JUE0JThFJUUzJTgxJTlEJUUzJTgxJUFFMSVFMyU4MyVCQyVFNSU4RCU5OCVFNSU5QiU5RSVFNSVCOCVCMCVFMyU4MyVCQyVFRiVCQyU4OCVFNSU4MiU5OSVFNSVCRiU5OCVFOSU4QyVCMiVFRiVCQyU4OSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9ZWQ0ZDA3MDQ3YmJjOWJiMWY0NzE2NTZmZWNjNzBkMmI%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB1cmF1cmFfQUlfZW5naW5lZXImdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWU4OWIwYjRiYWQ4YjIwMWJjOWQ4MzBjNzY3YjFkOGVj%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D370d6d8739d98d6b1f23183eb0a9b94d)
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。
教師あり学習の基礎その1ー単回帰ー(備忘録) - 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
教師あり学習の基礎その1ー単回帰ー(備忘録) - Qiita
(線形)単回帰モデル 1種類のデータから1種類の予測値を出力するモデルです。 入力データを$$x=(x_1, x... (線形)単回帰モデル 1種類のデータから1種類の予測値を出力するモデルです。 入力データを$$x=(x_1, x_2, \cdots, x_n)$$、出力データを$$y=(y_1, y_2, \cdots, y_n)$$とするとき、モデルを最もよく表している直線$$y=wx+b$$の傾き$w$と切片$b$を決めます。 $w$を重み、$b$をバイアスといいます。 実際のデータとモデル($y=wx+b$)の間には誤差があるので、その誤差を $$\varepsilon=(\varepsilon_1, \varepsilon_2,\cdots , \varepsilon_n)$$とします。このとき、各教師データについて