まず回帰分析とは 回帰分析とは何らかの目的変数を別のパラメータ(説明変数)から導き出すモデルを考えることです。 例えばある人の身長は遺伝によりその人の父親の身長と相関があると考えられます。この時息子の身長を「目的変数」として父親の身長から息子の身長を推定することを考えます。 まず、何人もの人の父親の身長(x(i))と息子の身長(y(i))を調べてデータを作ります(x(1),y(1)), x(2),y(2)), x(3),y(3))...)。それをプロットしたところ下図のようになったとします。 この時、なんとなく以下の直線のような関係があると推測できます。式で書くと$y=ax+b$です。 ではどのようなa,bを選ぶのが一番いいのでしょう? それは誤差が一番少なくなるa,bです。具体的には$y=ax+b$で計算したyの値(理論値)と実際のyの値の差(の2乗)の和( 残差平方和 )が最小になるa
![遺伝的アルゴリズムによる非線形重回帰分析の変数&関数選択 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/123868d3229d797354a19eb1a0754480aa85454a/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Fadvent-calendar-ogp-background-7940cd1c8db80a7ec40711d90f43539e.jpg%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D120%26mark-y%3D96%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9OTcyJnR4dD0lNDBsYW1yb25nb2wmdHh0LWNvbG9yPSUyMzNBM0MzQyZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWM5MTY5OGYwNDE4NGJkMmY3YmQ2YmQ4YWE1OGU3YWFi%26blend-x%3D120%26blend-y%3D500%26blend-mode%3Dnormal%26s%3D73db64cb0c2c5d71dc5ec5658da312c3)