質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.92%

最小二乗線形回帰モデルのアルゴリズムで理解できない部分があります

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 138

yamahisa

score 7

前提・実現したいこと

表題のアルゴリズムの動きを簡単なデータで確認しています。
きちんと回帰計算ができているのでアルゴリズムに問題はないことはわかるのですが、アルゴリズムでよくわからない部分があるので教えて頂けるとありがたいです。

該当のソースコード

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

class LinearRegressionGD(object):
    def __init__(self, eta = 0.001, n_iter = 10):
        self.eta = eta
        self.n_iter = n_iter

    def fit(self, X, y):
        self.w_ = np.zeros(1 + X.shape[1])
        self.cost_ = []
        for i in range(self.n_iter):

            output = self.net_input(X)
            errors = (y - output)

            self.w_[1:] += self.eta * X.T.dot(errors) 
            self.w_[0] += self.eta * errors.sum()
            cost = (errors**2).sum() / 2.0
            self.cost_.append(cost)
            print("output:", output)
            print("errors:",errors)
            print('-'*40)
        return self

    def net_input(self, X):
        return np.dot(X, self.w_[1:]) + self.w_[0]

    def predict(self, X):
        return self.net_input(X)

X =np.arange(1,11).reshape(-1 , 1)
y =np.array([1,3, 2, 5, 4, 7, 6, 8, 8, 10])

lr = LinearRegressionGD()
lr.fit(X, y)
a = np.array([1, 11])
b = a.reshape(-1, 1)

plt.scatter(X, y)
plt.plot(a, lr.predict(b))
plt.show()

わからないところ

今回の場合、y = ax + b のaとbを求めるアルゴリズムだと思うのですが、
以下の部分では、b 1個と a 10個の要素からなるndarrayを作成しています。
各yの入力値と予測値を比較して、ずれ分を補正して次の計算に使用してaとbを求めるアルゴリズムというのはわかるのですが、
最終的に10個のaがどのように1つのaになるかがわかりません。
(計算最後の各a(w[1:])をみても同じ値にもなっていませんのでなぜ、これでうまく計算ができているのかがわからず困っています)

self.w_ = np.zeros(1 + X.shape[1])

お忙しい中恐縮ですが、教えて頂けると非常に助かります。
宜しくお願い致します。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • aokikenichi

    2020/07/15 22:37

    「a 10個の要素」
    とはどれでしょうか?

    y = ax + b
    のa, bと
    このプログラムの便宜上の変数a, bを混同なさってませんか

    キャンセル

  • yamahisa

    2020/07/16 20:53

    混同していました。
    output/errorsが10個出ていたので、これをa 10個の要素だと勘違いしていました。
    変な質問で失礼いたしました。
    コメントありがとうございました。

    キャンセル

回答 1

checkベストアンサー

+1

最終的に10個のaがどのように1つのaになるかがわかりません。

以下の部分のことをいっているのであれば、この a は、同じ変数名というだけで、回帰曲線 ax + b のパラメータ a とは関係ありません。

a = np.array([1, 11])
b = a.reshape(-1, 1)
plt.scatter(X, y)
plt.plot(a, lr.predict(b))

紛らわしいので、x とでも名前を変えておきましょう。

x = np.array([1, 11])
plt.scatter(X, y)
plt.plot(x, lr.predict(x.reshape(-1, 1)))
plt.show()

この処理は x = np.array([1, 11]) に対応する学習した回帰曲線の y の値を計算して、プロットしている処理です。


以下の部分では、b 1個と a 10個の要素からなるndarrayを作成しています。
self.w_ = np.zeros(1 + X.shape[1])

X.shape[1] は1です。print() して確認してみてください。なので、self.w_ = np.zeros(2) と同じです。y = ax + b のパラメータ [a, b] を作っています。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/07/16 20:51

    output/errorsの要素数ばかりみていて、勘違いしていました。
    X.shape[1]で要素数を調べればよかったのですね。
    おかげさまで理解できました。
    変な質問に答えて頂き、ありがとうございます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.92%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る