統計分析

目的変数と説明変数

目的変数：予測したいもの
説明変数：予測のヒントになりそうなもの

予測問題

• 回帰問題：目的変数が数値である時の問題
  • 売上の需要予測
• 分類問題：目的変数がカテゴリである時の問題
  • クリック数の予測：xクリックあるかではなく、クリックが有るか無いかの場合など、画像の料理名は何か

単回帰モデル

• 1つの目的変数を1つの説明変数でモデル化する方法
  • 弁当の売り上げを予測するにあたり、気温…など1つの要素を使う

重回帰モデル

• 1つの目的変数を2つ以上の説明変数を使用してモデル化する方法
  • 弁当の売り上げを予測するにあたり、気温・天気・来店数…など複数の要素を使う

天気や曜日など数値ではない要素（質的データ）に対してどう取り扱うか

• 質的データを数値データへ変換する→ダミー変数
• いくつか方法はある
  • 1-of-K表現
    • 天気の場合、晴・雨・曇などのカラムを用意し、該当するものは1、該当しないものは0を当てはめる
• pandasのget_dummies関数を使用することで、ダミー関数化することが可能

汎用的な予測モデル

• 未知のデータに対応できる予測モデル
• 学習（Train）データ、検証（Test）データに分割する
• 過学習にならないように注意する

過学習

• 学習のし過ぎによって、それ以外のパターンが出た場合に誤った答えを出力してしまうこと

モデリングの手順

• 説明変数を決めてデータを準備する

モデルの評価

• 何を予測するかによって評価方法が異なる
• 評価方法とは評価関数を使用する
• 評価関数とはモデルの予測精度を評価する数式
  • （例）RMSE：誤差を表す指標のため少ないほど良い、MAE：誤差を測る、その他色々

関数

• sklearnのメソッド
  • fit：データを学習する
  • predict：データを予測する