Scikit-learnの回帰モデルについて

Python及びScikit-learnを学んでいます。

fitで何を行っているのか理解できないので教えて頂けると助かります。

例えば、以下のような流れで機械学習を行った場合

#訓練用データ
X_train = 計測データ
X_test  = 教師データ

#計測用データ
y_train = 計測データ
y_test  = 教師データ

from sklearn import linear_model
model = linear_model.LinearRegression()
model.fit(X_train, y_train)

#予測を実施
y_pred = model.predict(X_test)

予測：y_pred
正解：y_test

model.fit(X_train, y_train)の部分は何をしているのでしょうか？
教師用データを渡す前のモデルを作成しているという事でしょうか？

model.predictの部分で教師データを渡して、計測させているイメージでしょうか？
model.fitで訓練用データだけではなく計測用データを渡す理由が理解できません。

よろしくお願い致します。

行動規範の内容に同意します

回答1件

ベストアンサー

まず、用語について。

計測データという言葉は初耳ですし、調べても使っている文献はないようです。また、訓練データ、教師データという言葉は存在するものの、質問文のコードではかなり無秩序に使われているように思えます。

こういう説明をしている文献があるなら、ぜひとも教えていただきたいところです。我流なら、その理解は改めた方が良いでしょう。

前提がおかしいと話のしようがないので正しく整理させていただきますが、こんな感じでしょう。

python
1# 説明変数（特徴量，独立変数などとも呼ばれる。以下すべての「とも」は同様の意）
2X_train = 教師データ（訓練データとも）
3X_test  = テストデータ（評価用データなどとも）
4
5# 目的変数（従属変数などとも）
6y_train = 教師データ（訓練データとも）
7y_test  = テストデータ（評価用データなどとも）

この前提に立てば特に難しいことはないと思います。

python
1model.fit(教師データの説明変数, 教師データの目的変数)

教師データの説明変数と目的変数からモデルを構築します。回帰分析等にしろ機械学習にしろ、説明変数と目的変数の間の関係をモデリングするというのが基本的なタスクになります。

python
1y_pred = model.predict(テストデータの説明変数)

テストデータの説明変数から予測を行います。あとは得られた予測値とテストデータの目的変数（こちらが真値になります。できるだけこちらに近い予測をすることが目的です）を比較して評価します。

投稿2020/02/04 01:54

編集2020/02/04 03:46

hayataka2049

総合スコア30935

Kaikoko

2020/02/04 03:26

ご丁寧にありがとうございます！　教師データの説明変数と目的変数を渡してモデルを作成すると考えたら理解する事ができました。　訓練用データ、計測用データという用語は Pythonの初心者向けの講座に記載されていました。初心者向けに書かれていたのが逆に混乱してしまったのかもしれません。本当にありがとうございます。