Today’s Contents
修正履歴
1
前回の課題解説
Exercise 4.1 積分
Exercise 4.2 偏微分
Exercise 4.3 回帰分析の実行
2
重積分
2.1
逐次積分
2.2
長方形以外の領域の積分
2.3
変数変換
3
確率の概念
3.1
順列と組み合わせ
3.1.1
順列
3.1.2
組み合わせ
3.2
集合と確率
3.2.1
和集合と積集合
3.2.2
分割
3.3
確率の公理
3.4
和事象・積事象の確率
3.5
余事象の確率
3.6
一般的な事象に対する確率
3.7
条件付き確率
3.8
ベイズの定理
4
多変量の線形回帰モデル
4.1
モデルの当てはめ
4.2
説明変数の処理
4.3
ダミー変数の作成
4.3.1
自分で実装する
4.3.2
パッケージを活用する:
recipes
4.4
基本的な特徴量作成
4.5
日時に関する変数
4.6
集計値の特徴量化
4.7
高次・交互作用
4.8
標準化
4.9
変数選択
4.9.1
AIC:赤池情報量基準
4.10
パラメータの推定値と信頼区間
4.10.1
信頼区間
4.10.2
仮説検定
4.11
発展的な回帰モデル
4.12
リッジ回帰
4.12.1
多重共線性
4.12.2
リッジ回帰の実行
4.12.3
多重共線性の検討
4.13
ラッソ回帰
4.14
ElasticNet(エラスティックネット)
Reference
2022年度:データサイエンス 第5回
2022年度:データサイエンス 第5回
酒井 優行
2023/1/14
Today’s Contents
前回の課題解説
重積分
確率の概念
回帰分析
第5回課題
教科書は引き続き
椎名・姫野・保科 (
2019
)
と
林賢一 (
2020
)
を利用していきます.
講義概要は
こちら
修正履歴
Reference
林賢一. 2020.
Rで学ぶ統計的データ解析
. Edited by 下平英寿. データサイエンス入門シリーズ. 講談社サイエンティフィク.
椎名・姫野・保科. 2019.
データサイエンスのための数学
. データサイエンス入門シリーズ. 講談社サイエンティフィク.