回答編集履歴
2
追記
answer
CHANGED
|
@@ -24,7 +24,7 @@
|
|
|
24
24
|
model.fit(教師データの説明変数, 教師データの目的変数)
|
|
25
25
|
```
|
|
26
26
|
|
|
27
|
-
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。
|
|
27
|
+
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。
|
|
28
28
|
|
|
29
29
|
```python
|
|
30
30
|
y_pred = model.predict(テストデータの説明変数)
|
1
ちょい追記
answer
CHANGED
|
@@ -9,13 +9,13 @@
|
|
|
9
9
|
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。
|
|
10
10
|
|
|
11
11
|
```python
|
|
12
|
-
# 説明変数（特徴量，独立変数などとも）
|
|
12
|
+
# 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）
|
|
13
13
|
X_train = 教師データ（訓練データとも）
|
|
14
|
-
X_test = テストデータ
|
|
14
|
+
X_test = テストデータ（評価用データなどとも）
|
|
15
15
|
|
|
16
16
|
# 目的変数（従属変数などとも）
|
|
17
17
|
y_train = 教師データ（訓練データとも）
|
|
18
|
-
y_test = テストデータ
|
|
18
|
+
y_test = テストデータ（評価用データなどとも）
|
|
19
19
|
```
|
|
20
20
|
|
|
21
21
|
この前提に立てば特に難しいことはないと思います。
|