はじめに スパースモデリングは、解のスパース性を仮定して、少ないデータからでもデータの関係をモデル化できるようにする手法です。大量のデータがあることを前提にデータの関係をモデル化するディープラーニングとは対照的なものです。 理解を深めるため、scikit-learnで「ほとんどの係数がゼロの多項式関数」と解のスパース性を仮定した多項式回帰の問題を解いてみます。 この記事でやること スパースモデリングの概要説明 多項式回帰を、sklearn.linear_modelのRegressors with variable selectionを使って解く Google Colaboratoryでこの記事に用いたソースコードの全文を実行できます (ただし、題材となる多項式関数はランダムに決定されるため、この記事と完全に同一とはなりません) この記事でやらないこと 詳細な数学的解説 最新アルゴリズム(各
![scikit-learnで多項式回帰にスパースモデリングを試す - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/6f027308f3bff8b35bc10c8641ca313b56d60d45/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-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9c2Npa2l0LWxlYXJuJUUzJTgxJUE3JUU1JUE0JTlBJUU5JUEwJTg1JUU1JUJDJThGJUU1JTlCJTlFJUU1JUI4JUIwJUUzJTgxJUFCJUUzJTgyJUI5JUUzJTgzJTkxJUUzJTgzJUJDJUUzJTgyJUI5JUUzJTgzJUEyJUUzJTgzJTg3JUUzJTgzJUFBJUUzJTgzJUIzJUUzJTgyJUIwJUUzJTgyJTkyJUU4JUE5JUE2JUUzJTgxJTk5JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz1mYzRkZGY2M2I2MmRhMTQ1ODkzZTQyOTNjYzBhYjJhMg%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB5X3lhbWFfeGVub2hvYyZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZmI4Njc1NjFhZTQxYTI1ZWJjMzk0ZGZlNjUwYTRkMDM%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4g5qCq5byP5Lya56S-WGVuby1ob2M%26txt-width%3D770%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%2523212121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D156%26txt-y%3D536%26s%3Df94daf8379fd02ab5b36f79afeb12d55)