Today’s Contents
修正履歴
1
積分
1.1
原始関数
1.2
定積分
1.3
定積分の性質
1.3.1
偶関数・奇関数
1.4
部分積分
1.5
置換積分
1.6
広義積分
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
偏微分
3.1
偏微分と方向微分
3.2
偏微分の応用
3.2.1
実際の計算
3.3
二変数関数の極値
3.4
ニュートンラフソン法
3.4.1
ニュートン・ラフソン法のアルゴリズム
3.4.2
Rでの実装
3.4.3
注意点
3.5
ニュートン・ラフソン法の失敗例
4
確率の概念
4.1
順列と組み合わせ
4.1.1
順列
4.1.2
組み合わせ
4.2
集合と確率
4.2.1
和集合と積集合
4.2.2
分割
4.3
確率の公理
4.4
和事象・積事象の確率
4.5
余事象の確率
4.6
一般的な事象に対する確率
4.7
条件付き確率
4.8
ベイズの定理
5
多変量の線形回帰モデル
5.1
モデルの当てはめ
5.2
説明変数の処理
5.3
ダミー変数の作成
5.3.1
自分で実装する
5.3.2
パッケージを活用する：
recipes
5.4
基本的な特徴量作成
5.5
日時に関する変数
5.6
集計値の特徴量化
5.7
高次・交互作用
5.8
標準化
5.9
変数選択
5.9.1
AIC:赤池情報量基準
5.10
パラメータの推定値と信頼区間
5.10.1
信頼区間
5.10.2
仮説検定
5.11
発展的な回帰モデル
5.12
リッジ回帰
5.12.1
多重共線性
5.12.2
リッジ回帰の実行
5.12.3
多重共線性の検討
5.13
ラッソ回帰
5.14
ElasticNet(エラスティックネット)
Reference
2023年度：データサイエンス 第5回
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.