機械学習 チュートリアル
ロジスティック回帰

ロジスティック回帰の概要や数学的理解と実践に役立つ知識を学ぼう

初心者〜中級者対象
受講人数 396名 | 学習期間目安 1日 〜 5日
★★★★☆  4.0 (1件)

icon-check 対象:初心者〜中級者 icon-check 環境:オンライン / ローカル
icon-check 受講期限:無制限 icon-check 受講料金:500円

コース概要

  • ブラウザとインターネットで実行可能(Google Colab利用)
  • Jupyter Notebookを利用したプログラミング演習
  • ロジスティック回帰の基本的なコンセプト
  • ロジスティック回帰の数学的理解
  • テキストボリューム A4 約44ページ相当
  • Python実習コード 約125行収録

学べる内容

ロジスティック回帰は線形回帰と同様に、機械学習の最も初歩的な手法の一つです。本チュートリアルでは機械学習の初心者を対象として、ロジスティック回帰の概要や数学的理解を説明しています。

チュートリアル序盤では、機械学習の概要や種類に加えて「二項分類」「多項分類」など分類の基本を紐解いています。さらに、ロジスティック回帰の概要や強みを学びます。

中盤のチャプターではロジスティック回帰の「数学的理解」として、データとPythonを使いながら、 ロジスティック回帰で理解するべき数式を紐解いていきます。

また、本チュートリアルには2つのコーディング実習が含まれてます。

コーディング実習前半では、機械学習ライブラリー「Scikit-Learn(サイキット・ラーン)」を使いながら、 単一の特徴量のロジスティック回帰のコーディング実習を行います。基本的なデータの前処理方法や基本的なEDA(探索的データ解析)、さらに 特徴量をダミー変数へ変換したり、訓練・テストデータでの予測に対して 混同行列や正解率などの指標を使った評価方法も学びます。

後半の実習では、 前半で使った同じデータセットを使い「正解率」をどのように改善するのか?にフォーカスをします。より実践的な内容として複数ある特徴量から最適な特徴量を検証する「特徴選択」を行います。

特徴

ブラウザーとインターネットで実行が可能

Google Colab(グーグル・コラボ)を利用することにより、特別な環境構築やインストールなどの作業を行うことなく、ブラウザのみで実行が可能です。チュートリアルでは、Google Colabの基本的な使い方、また自身のPCに環境構築を行う方法の詳細を説明しています。

実践に役立つ知識

機械学習の初学者を対象としてロジスティック回帰の基礎や数学的な理解を深める内容に加えて、より実践的な項目もカバーしています。多数の特徴量から最適な特徴量を検証/選択する「特徴選択」や、ロジスティック回帰のモデル評価方法などを詳しく説明しています。

このコースの対象者
  • これから機械学習を学ぼうと考えている方
  • ロジスティック回帰をより詳しく学びたいと考えている方

受講資格

icon-check (必須)Pythonの基礎知識

icon-check (推薦)線形代数及び統計の初歩的な知識

icon-check (推薦)Numpy、Pandas、Matplotlibの初歩的な知識

原則として、Pythonの初歩的な知識がある前提となっています。「推薦」は必須ではありませんが、初歩的な知識があると、よりスムーズに受講が可能です。下記の「機械学習 準備編」の無料コースをご参照下さい。

コース詳細

機械学習 チュートリアル ロジスティック回帰
 icon-pencil Chapter 1 環境構築
  【Windows編】Minicondaを利用した環境構築 約2,200文字
  【Mac】Minicondaを利用した環境構築 約1,900文字
  Google Colabを利用した環境構築 約2,100文字
 icon-pencil Chapter 2 機械学習とロジスティック回帰
  機械学習とは?概要と種類 約700文字
  分類とは? 約700文字
  分類問題を扱う様々なアルゴリズム 約1,000文字
  ロジスティック回帰とは? 約1,000文字
  ロジスティック回帰の強み 約700文字
  本チュートリアルで扱うデータセットの説明 約2,000文字
 icon-code Chapter 3 ロジスティック回帰の数学的理解
  ロジスティック回帰のモデル 約1,200文字
  シグモイド関数 3行
  特徴量1つのロジスティック回帰 34行
  複数の特徴量でのロジスティック回帰 10行
 icon-code Chapter 4 特徴量1つのロジスティック回帰
  データとライブラリーのインポート 16行
  探索的データ解析(EDA) 10行
  データの前処理 12行
  モデルの訓練 6行
  予測とモデルの評価 7行
 icon-code Chapter 5 複数の特徴量のロジスティック回帰
  データとライブラリーのインポート 16行
  データの前処理 7行
  特徴選択(Feature Selection) 10行
  モデルの訓練と評価 14行
 icon-pencil Chapter 6 ロジスティック回帰のモデル評価方法
  混同行列と正解率 約1,400文字
  適合率(Precision)と再現率(Recall) 約1,200文字
  その他の評価指標 約660文字

レビュー

icon-user 友達に紹介を受けて受講しました。こちらのコースは動画ではなくテキストベースのコースでしたが、内容がとても詳細で分かり易かったです。またインターネットで探せばロジスティック回帰の紹介記事やサンプルコードなどは多くありますが、それらよりも内容が濃く払った分のお金の価値以上はありました。有難うございます。

icon-check-circle-o 講師からの返答
フィードバックありがとうございます!引き続き良質な機械学習チュートリアルを発信していきます。

講師紹介

codexa ロゴ

本コース「ロジスティック回帰 入門」はcodexa(コデクサ)の機械学習エンジニアチームにて製作・監修を行いました。アメリカでデータ分析の実績を積んだデータサイエンティストから、Webエンジニアから機械学習エンジニアへ転向をした人まで幅広い層が所属しています。上級者の一方的な講義ではなく、「初心者がいかに理解しやすいか」を目標としています。日経ソフトウェアへの記事執筆(2019年1月号)。

このコースを取っている方は次のコースも取っています