第2章機械学習：回帰

📚 この章の学習目標

分類と回帰の違いを理解する

線形回帰の基本原理とコスト関数を学ぶ

勾配降下法による最適化手法を習得する

RSSとMSEの意味と計算方法を理解する

scikit-learnを用いた回帰モデルの実装を学ぶ

SGDRegressorによる確率的勾配降下法を実践する

🚀 イントロダクション

💡 分類から回帰へ

第1章では「カテゴリ」を予測する分類問題を学びました。第2章では「連続的な数値」を予測する回帰問題を学びます。

例：

分類：この患者は病気か健康か？（カテゴリ）

回帰：この患者の血糖値は何mg/dLか？（数値）

🔍 分類 vs 回帰

📊 分類（Classification）

✅ 分類の特徴

目的：カテゴリやクラスにデータを分けること

ターゲット値：離散的なクラス（カテゴリ）を予測

例：

メールがスパムかどうか（スパム or 正常）

画像が犬か猫か（犬 or 猫）

がんの診断（悪性 or 良性）

使用アルゴリズム：決定木、SVM、k-NN、ロジスティック回帰など

📈 回帰（Regression）

✅ 回帰の特徴

目的：連続的な数値を予測すること

ターゲット値：連続的な数値を予測

例：

家の価格を予測（具体的な金額）

将来の気温を予測（摂氏何度か）

株価の予測（数値）

使用アルゴリズム：線形回帰、リッジ回帰、ラッソ回帰、SVRなど

🔄 分類と回帰の違いまとめ

観点	分類	回帰
予測対象	カテゴリ・ラベル	連続的な数値
出力例	「病気」「健康」	「120mg/dL」
医療例	病気の有無判定	血糖値の予測
不動産例	物件タイプ分類	価格予測

📐 線形回帰（Linear Regression）

💡 線形回帰とは？

線形回帰は、1つまたは複数の特徴量（入力変数）とターゲット（出力変数）の間に線形関係があると仮定して、その関係を数式として表現する手法です。

線形回帰の基本数式

単純線形回帰（1つの特徴量）：

y = w₀ + w₁·x

重回帰（複数の特徴量）：

y = w₀ + w₁·x₁ + w₂·x₂ + w₃·x₃ + ... + wₙ·xₙ

⚡ 変数の意味

y：予測したい値（従属変数）

x₁, x₂, …, xₙ：入力特徴量（独立変数）

w₀：切片（バイアス）

w₁, w₂, …, wₙ：回帰係数（重み）

🏠 マンション価格予測の例

✅ 単純線形回帰の例

マンション価格が面積のみで決定されると仮定すると：
価格 = w₀ + w₁ × 面積
目標：実際の価格と予測価格の誤差を最小化するw₀とw₁を見つけること

マンション価格
    ↑
    |        ● 実測値
    |     ●     /
    |  ●     / 予測線: y = w₀ + w₁·x
    | ●   /
    |● /
    |/____________→ 面積(m²)

💡 回帰の核心

最適な回帰モデルを作るということは、データ全体の残差（誤差値）の合計が最小になるモデルを作ることを意味します。

📉 誤差測定：RSSとMSE

RSS（Residual Sum of Squares）：残差平方和

💡 RSSとは？

回帰モデルにおいて、予測値と実際の観測値との間の誤差の大きさを表す指標です。

各データポイントの誤差を二乗して合計します。

RSS の計算式：

RSS = Σ (実測値ᵢ - 予測値ᵢ)²
    = Σ (yᵢ - (w₀ + w₁·xᵢ))²

マンション価格の例：

RSS = (マンション1の実際価格 - 予測価格)²
    + (マンション2の実際価格 - 予測価格)²
    + (マンション3の実際価格 - 予測価格)²
    + ... (すべてのデータについて実行)

MSE（Mean Squared Error）：平均二乗誤差

💡 MSEとは？

RSSを学習データの件数で割った値です。データ量が異なるモデルを比較する際に便利です。

MSE の計算式：

MSE = RSS / N = (1/N) × Σ (yᵢ - ŷᵢ)²

⚠️ 重要な理解

RSSとMSEは、w₀, w₁（回帰係数）を変数とする関数です

学習データのxとyは定数として扱われます

学習の目的は、RSSまたはMSEを最小化するw値を見つけることです

🧪 実習：糖尿病進行予測

🔬 糖尿病データセットの概要

scikit-learnに含まれる糖尿病データセットを使用して、1年後の糖尿病の進行状態を予測します。

データセットの詳細

項目	内容
サンプル数	442件
特徴量数	10個（すべて正規化済み）
ターゲット	糖尿病の進行度（連続値）

特徴量一覧：

年齢（Age）
性別（Sex）
BMI（Body Mass Index：体格指数）
血圧（Blood Pressure）
S1, S2, S3, S4, S5, S6（6つの血液検査結果）

📥 データセットの読み込み

from sklearn.datasets import load_diabetes
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import numpy as np
import pandas as pd

# データセットの読み込み
diabetes = load_diabetes()
keys = diabetes.keys()
print('diabetes dataset keys:', keys)

# 出力結果
diabetes dataset keys: dict_keys(['data', 'target', 'frame', 'DESCR', 
'feature_names', 'data_filename', 'target_filename', 'data_module'])

features = diabetes.data
label = diabetes.target

print(type(features), features.shape)  # (442, 10)
print(type(label), label.shape)        # (442,)

📊 データフレームへの変換

# 特徴量をデータフレームに変換
X = pd.DataFrame(diabetes.data, columns=diabetes.feature_names)

# ターゲット値をSeriesに変換
y = pd.Series(diabetes.target)

print(X.head())  # 最初の5行を表示
print("--------------------------------")
print(y.head(10))  # 最初の10個のターゲット値を表示

# 出力例
        age       sex       bmi        bp        s1        s2        s3  \
0  0.038076  0.050680  0.061696  0.021872 -0.044223 -0.034821 -0.043401   
1 -0.001882 -0.044642 -0.051474 -0.026328 -0.008449 -0.019163  0.074412   
2  0.085299  0.050680  0.044451 -0.005670 -0.045599 -0.034194 -0.032356   
...

🎯 データの分離

X_train, X_test, y_train, y_test = train_test_split(
    X, y, 
    test_size=0.2,  # 20%をテストデータに
    random_state=11
)

🤖 モデルの学習と評価

# 線形回帰モデルの作成
lr_model = LinearRegression()

# モデルの学習
lr_model.fit(X_train, y_train)

# 予測
pred = lr_model.predict(X_test)

# 評価
mse = mean_squared_error(y_test, pred)
rmse = np.sqrt(mse)

print("Mean Squared Error (MSE):", round(mse, 2))
print("Root Mean Squared Error (RMSE):", round(rmse, 2))

# 出力結果
Mean Squared Error (MSE): 3212.59
Root Mean Squared Error (RMSE): 56.68

🔄 K-Fold交差検証による評価

from sklearn.model_selection import KFold

# K-Fold分割
kfold = KFold(n_splits=5, shuffle=True, random_state=42)
cv_mse = []

# K-Fold交差検証
n_iter = 0
for train_index, test_index in kfold.split(features):
    X_train, X_test = features[train_index], features[test_index]
    y_train, y_test = label[train_index], label[test_index]

    # モデルの学習と予測
    lr_model = LinearRegression()
    lr_model.fit(X_train, y_train)
    pred = lr_model.predict(X_test)

    # MSE評価
    mse = mean_squared_error(y_test, pred)
    rmse = np.sqrt(mse)
    cv_mse.append(mse)

    n_iter += 1
    print(f'#{n_iter} Fold MSE: {round(mse, 2)}, RMSE: {round(rmse, 2)}')

# 全体の平均MSE
mean_mse = np.mean(cv_mse)
print(f"\nAverage MSE across all folds: {round(mean_mse, 2)}")

🎯 勾配降下法（Gradient Descent）

💡 勾配降下法とは？

コスト関数（MSEなど）を最小化するために、パラメータを反復的に更新していく最適化アルゴリズムです。

「山を下る」ように、誤差が小さくなる方向へ少しずつパラメータを調整します。

勾配降下法の仕組み

コスト関数
    ↑
    |     ●初期W
    |    /  \
    |   /    \勾配に沿って降下
    |  /      \
    | /        ●
    |/          \●
    |____________\●最小点→ w

⚡ 勾配降下法のポイント

初期値：ランダムまたは0でwを初期化

勾配計算：コスト関数を微分して勾配を求める

更新：勾配の逆方向に少しずつwを移動

反復：収束するまで2-3を繰り返す

微分による最小値の探索

💡 なぜ微分を使うのか？

微分は関数の増加・減少の方向性を示します

コスト関数を微分すると、どちらの方向に進めば誤差が減るかがわかります

微分値が0に近づく点が、コスト関数の最小点です

更新式：

w_new = w_old - α × (∂MSE/∂w)

⚡ 学習率（α）

学習率が大きすぎると、最小点を飛び越えてしまう

学習率が小さすぎると、収束に時間がかかる

適切な学習率の設定が重要

🔀 SGDとMini-Batch GD

勾配降下法の3つのタイプ

タイプ	データ使用量	特徴
GD（Gradient Descent）	全データ	正確だが計算コストが高い
SGD（Stochastic GD）	1サンプル	高速だがノイズが多い
Mini-Batch GD	バッチサイズ分	バランスが良く、最も実用的

💡 実務での選択

一般的に、Mini-Batch GDがほとんどのディープラーニングフレームワークで採用されています。

Mini-Batchの動作

全体学習データ（400件）
    ↓
┌─────────────────────────────┐
│ Batch 1 (100件) → GD計算 → 更新 │
│ Batch 2 (100件) → GD計算 → 更新 │
│ Batch 3 (100件) → GD計算 → 更新 │
│ Batch 4 (100件) → GD計算 → 更新 │
└─────────────────────────────┘
          ↓
    1エポック完了

🔧 SGDRegressorによる実装

💡 SGDRegressorとは？

scikit-learnに含まれる確率的勾配降下法を使った回帰モデルです。

大規模データセットに効率的

パラメータの細かい調整が可能

学習率やイテレーション数を設定できる

基本的な実装

from sklearn.linear_model import SGDRegressor
from sklearn.model_selection import KFold

# K-Fold分割
kfold = KFold(n_splits=5, shuffle=True, random_state=42)
cv_mse = []

# K-Fold交差検証
n_iter = 0
for train_index, test_index in kfold.split(X):
    X_train, X_test = X.iloc[train_index], X.iloc[test_index]
    y_train, y_test = y.iloc[train_index], y.iloc[test_index]

    # SGDRegressorモデル
    sgd_regressor = SGDRegressor(
        max_iter=2000,      # 最大イテレーション数
        tol=1e-3,           # 収束判定の閾値
        random_state=42
    )

    sgd_regressor.fit(X_train, y_train)
    pred = sgd_regressor.predict(X_test)

    # MSE評価
    mse = mean_squared_error(y_test, pred)
    rmse = np.sqrt(mse)
    cv_mse.append(mse)

    n_iter += 1
    print(f'#{n_iter} Fold MSE: {round(mse, 2)}, RMSE: {round(rmse, 2)}')

# 平均MSE
mean_mse = np.mean(cv_mse)
print(f"\nAverage MSE across all folds: {round(mean_mse, 2)}")

⚠️ 収束警告への対処

⚠️ ConvergenceWarning

「最大イテレーション回数に達しても収束しなかった」という警告が出る場合があります。

原因と対策：

max_iterの増加

   SGDRegressor(max_iter=8000)

学習率の調整

   SGDRegressor(learning_rate='constant', eta0=0.001)

特徴量の標準化

   from sklearn.preprocessing import StandardScaler

   scaler = StandardScaler()
   X_scaled = scaler.fit_transform(X)

📊 特徴量標準化を含む改善版

from sklearn.preprocessing import StandardScaler

# 特徴量の標準化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# K-Fold交差検証
kfold = KFold(n_splits=5, shuffle=True, random_state=42)
cv_mse = []
n_iter = 0

for train_index, test_index in kfold.split(X_scaled):
    X_train, X_test = X_scaled[train_index], X_scaled[test_index]
    y_train, y_test = y.iloc[train_index], y.iloc[test_index]

    # 改善されたSGDRegressor
    sgd_regressor = SGDRegressor(
        max_iter=8000,
        tol=1e-3,
        learning_rate='constant',
        eta0=0.001,
        random_state=42
    )

    sgd_regressor.fit(X_train, y_train)
    pred = sgd_regressor.predict(X_test)

    mse = mean_squared_error(y_test, pred)
    rmse = np.sqrt(mse)
    cv_mse.append(mse)

    n_iter += 1
    print(f'#{n_iter} Fold MSE: {round(mse, 2)}, RMSE: {round(rmse, 2)}')

mean_mse = np.mean(cv_mse)
print(f"\nAverage MSE across all folds: {round(mean_mse, 2)}")

📊 結果の比較

LinearRegression vs SGDRegressor

モデル	平均MSE	特徴
LinearRegression	約2900-3000	正確、小規模データ向き
SGDRegressor（標準化なし）	約3250	収束しにくい
SGDRegressor（標準化あり）	約2900-3000	大規模データに効率的

💡 実務での選択

小規模データ：LinearRegression（シンプルで高精度）

大規模データ：SGDRegressor（メモリ効率が良い）

必ず特徴量を標準化する（SGD系アルゴリズムでは必須）

🎯 実習課題

🎯 課題：カリフォルニア住宅価格の予測

課題内容：

California Housing Datasetを読み込んで、住宅価格を予測するSGDRegressorモデルを作成してください。

参考URL:
https://scikit-learn.org/1.5/modules/generated/sklearn.datasets.fetch_california_housing.html

要件：

データセットの読み込みと基本情報の確認

特徴量の標準化処理

LinearRegressionとSGDRegressorの両方で実装

5-fold交差検証による性能評価

両モデルの結果を比較・考察

ヒント：
from sklearn.datasets import fetch_california_housing

housing = fetch_california_housing()
print(housing.DESCR)  # データセットの説明を確認
評価指標：

MSE（Mean Squared Error）

RMSE（Root Mean Squared Error）

各Foldごとの結果と平均値

📚 第2章のまとめ

🎯 第2章の重要ポイント

回帰は連続的な数値を予測する機械学習手法

線形回帰は入力と出力の線形関係をモデル化

RSS/MSEは誤差を測定するための指標

勾配降下法はコスト関数を最小化する最適化手法

SGDは大規模データに効率的な学習アルゴリズム

特徴量の標準化はSGD系アルゴリズムで重要

💡 次章への繋がり

第2章では数値予測のための回帰を学びました。次の第3章では、画像データを扱うための畳み込みニューラルネットワーク（CNN）の基礎を学びます。

→ 第3章深層学習：CNN Ⅰ

深層学習②回帰

第2章 機械学習：回帰

🚀 イントロダクション

🔍 分類 vs 回帰

📊 分類（Classification）

📈 回帰（Regression）

🔄 分類と回帰の違いまとめ

📐 線形回帰（Linear Regression）

線形回帰の基本数式

🏠 マンション価格予測の例

📉 誤差測定：RSSとMSE

RSS（Residual Sum of Squares）：残差平方和

MSE（Mean Squared Error）：平均二乗誤差

🧪 実習：糖尿病進行予測

データセットの詳細

📥 データセットの読み込み

📊 データフレームへの変換

🎯 データの分離

🤖 モデルの学習と評価

🔄 K-Fold交差検証による評価

🎯 勾配降下法（Gradient Descent）

勾配降下法の仕組み

微分による最小値の探索

🔀 SGDとMini-Batch GD

勾配降下法の3つのタイプ

Mini-Batchの動作

🔧 SGDRegressorによる実装

基本的な実装

⚠️ 収束警告への対処

📊 特徴量標準化を含む改善版

📊 結果の比較

LinearRegression vs SGDRegressor

🎯 実習課題

📚 第2章のまとめ

Related Posts

🦙 Llama 4：軽量かつ高性能なマルチモーダル(4/14)

今週のAIニュース(2/17)

DSG3-2: Optimization

第2章機械学習：回帰