機械学習③ロジスティック回帰／データサイエンス入門

whamu

その他

ロジスティック回帰は線形回帰の応用。複雑なので解析的には求められず勾配法を使う。評価基準は対数尤度。

kazuchacha

IT・WEB・エンジニア

テストの点数から将来就く職業の角度まで求められることに驚きを感じた

shirojpn

メーカー技術・研究・開発

忘れているだけかもしれませんが、ロジスティック回帰は初めて聞いたように思います。
また、評価指標の　対数尤度という言葉も初めて聞いたように思います。
一気に内容が複雑になった気がしました。
ただ、丁寧な解説により、ある程度は理解が進んだように思います。

hhmorimoto

メーカー技術・研究・開発

ロジスティック回帰の考え方を復讐できました
AI活用に向けて、さらに、知識を深めて　効果的な活用方法を検討していきたいと思います

vegitaberu

人事・労務・法務

全体的には、理解できましたが、対数尤度が少し、しっくりこない部分が残りましたが、ロジスティック回帰による、2値分類の大まかなメカニズムは理解できました。

koichi_seya

その他

難しいので再度学習したい。対数尤度が理解できない。

hrkudo

IT・WEB・エンジニア

ロジスティク回帰がどういう時利用されるか理解した。

miura_ka

販売・サービス・事務

時間を空けてもう一度学習する

kenjiro_fujita

コンサルタント

あるお客様が商品を買うか、買わないかを、これまでに営業をかけた時間と、相手の役職によって、予測するモデルを作成したい。

k-akira

営業

ロジスティク回帰の仕組み、線形回帰との違い及びどういうケースで使えるかの具体事例がわかった

takumi_1453

経営・経営企画

教師あり学習、ロジスティック回帰
・線形回帰＋シグモイド関数で確率算出
・評価指標は対数尤度lnPを用いる

分類問題を解く
■エンジニアと非エンジニア
　→学生時代の理科・数学の偏差値から
　　将来エンジニアになれるかを予測する
↓
□直線の境界線を引いて分類
□エンジニアになれるかの予測だけでなく
　なる確率も表現したい
↓
■線形回帰を適用する
①エンジニアを1、非エンジニアを0として
　線形回帰を当てはめる
②線形回帰の出力が以下を満たす直線を境
　界線とする
　yハット（x;ｗ）＝0.5
③新しいデータが観測されたら
　線形回帰のモデルに入力し、出力を得る
④出力が0.5以下ならエンジニアと判定
⑤③の出力を確率に変換し、
　確率の大きい場合エンジニアになれる
　確率が高いと考える
　＊変換にはシグモイド関数を使用
　　シグモイド関数
　　・入力xが大きくなるにつれて、
　　　関数fxが0から1まで滑らかに変化
　　・0　　・最終出力はy~で表す

モデルの評価指標
■対数尤度lnPを用いる
■対数尤度lnPを最大化するように
　パラメータwを学習
　＊yEXP（n）:n番目のデータの正解ラベ
　　　　　　　ル＝教師
　・正解ラベルがエンジニアであるデータ
　yEXP（n）lny~（xEXP（n）;w）
　→エンジニアである確信度が高いほど評
　　価値が良い

　・正解ラベルがエンジニアでないデータ
　（1-yEXP（n））ln（1-y~（xEXP
　（n）;w））
　→エンジニアでない確信度が高いほど評
　　価値が良い

　・lnP＝Σエンジニア教師＋非エンジニア
　　　　　教師

パラメータの最適化
■対数尤度lnPが最大となるパラメータwは
　解析的に求められない
　（線形回帰の場合、最小二乗法で解析的
　　に求められた）
　→勾配法という繰り返し計算により最大
　　値を探索する
　　→パラメータの微分＝傾きを求め、順
　　　次最大値を探っていく

まとめ
■ロジスティック回帰
　・線形回帰＋シグモイド関数で確率を予
　　測する
　・2クラス分類に用いられる
■適用例
　・テストの点数を説明変数として、将来
　　の職業を予測する
■モデル　ロジスティック回帰
　評価基準　対数尤度lnP
　最適化　勾配法

makidayo

IT・WEB・エンジニア

行動パターンで嗜好などの予測をすることに使用できそうだと思いました。もう1回振り返りで聞きたいと思いました。

inyourmind

建設・土木　関連職

ロジスティック回帰は精度が悪いと言われることもあるせいか、使用されているのを見たことがありません。実例も紹介してくれるとわかりやすかったです。

tasu-o

コンサルタント

ロジスティック回帰の大枠を理解することはできたが中身の理解ができていないと感じるため継続して学習を続けていきます

yoshidanoikeda

専門職

具体的な使い方が判らないです

yokoishida

コンサルタント

このような理論なのだと理解しましたが、自分では説明はできません。

ken222

営業

尤度を最大にするという考え方を覚えておきたい。

kyo1227

営業

公式については説明を聞いてもいまいちまだわかりませんが、なんとなく言葉の意味を知ることができました。

grateful

専門職

ロジスティック回帰を学びました。

yukotsuchiya

金融・不動産　関連職

終盤いっきに具体性を帯びず数式の説明だけになり残念。興味を持って視聴いる方々のヒザポンとなる業務や日常の具体例がそこでこそ知りたいです。

temp_at

IT・WEB・エンジニア

線形回帰や数式など、前提になる知識がまだあまり無いため難しく感じた。

hitomi_aaaa

販売・サービス・事務

この動画を見て、理解できる人ってそもそも大学等で学び済みでITの基礎的なものや数学の知識あったり社会人になった人なのでしょうか？数学に興味を持つことがなく学生時代を終えている自分にとってはこの数式を使わなければ〜と前提に置いてしまうとやる気が削がれてしまうので、まず数学なのかなと思わざるをえない感じです。自分も理解して、これに使ってみたい、予測してみたいとワクワクイメージしたいです。

user-name01

販売・サービス・事務

ロジスティック回帰の基本的なことがわかった。
解析的に解くという意味と解析的には解けない場合に用いる解法がわかった。

7031

経営・経営企画

データ分析を行い、データから適切な判断を行うようにしたいと思いました。

haruka-

その他

数式難しい。もっと基礎的な内容から勉強しないといけない。

k_yuna

販売・サービス・事務

大変勉強になりました。

test_test___

メーカー技術・研究・開発

なんとなくレベルで理解した。実際に使うときに再度復習する必要がある。

kitano_wataru

IT・WEB・エンジニア

前回の線形回帰からよくわかっていないため、今回も含めて復習が必要

yoshikouc

販売・サービス・事務

ロジスティック回帰は線形回帰を応用させる。最小値を求める線形回帰や勾配0.5で分類をするところまではわかりましたが、実践でどう使用するのかがまだ想像できずにいます。

cs1960

販売・サービス・事務

大変勉強になりました。

yukofunada

販売・サービス・事務

ほとんど馴染みのない分野でしたが、日常生活では既にいろいろな場面で利用してきたのだと思います。何かサービス等を利用する場合に、技術をどうやって活用しているのか、考えてみたいです。

mikeover

IT・WEB・エンジニア

ロジスティック回帰を使った分類に対して最適化を行うところが奥が深いと思った。

stani

専門職

参考にさせていただきます。

aokitaka-tci

その他

ロジスティクス回帰について図が用いられると一定理解しやすかったが、数式のみでの説明となると少し難しかった、イメージとしてもっておく

watanabe_aki

経営・経営企画

データ集約は元々の考え方や数値の拾い方を簡素化することが大切だとわかりました。

mainichi365

IT・WEB・エンジニア

具体的にどの様に業務に役立てるか、まだ道のりは遠い。

takemaru0530

販売・サービス・事務

業務上、予測して回帰式を作ることはあります。式の内容まで理解が深められて良かったです。

fukashi_uehara

メーカー技術・研究・開発

ロジスティック回帰に関する概要を理解する事が出来ました。

shun0708

その他

ロジスティック回帰の数式が難しく感じました

iso_ken

専門職

ロジスティック回帰は簡単な分類に使用できそう。用いるべき場面を理解し手運用していきたい。

t_htn

経営・経営企画

ロジスチック回帰の考え方が把握できた。
考え方を活用し、データ分析を行い、
データから適切な判断を行うようにしたいと思う。

take515

メーカー技術・研究・開発

ロジスティック回帰の基本的事項について確認できた。

e_co

販売・サービス・事務

内容は理解出来ましたが、数学的理解を深めなくてはと感じました。

ni-shi-me

営業

勾配法＝力技、という学びを得た。

ta-mo-

IT・WEB・エンジニア

ロジスティック回帰分析のイメージはついたが、少し難解であった。
線形回帰、シグモイド関数を使い、説明する変数モデルができるというのは学びであった。

512177

資材・購買・物流

データの活用でロジスティクス回帰を活用していきたい

hfkd156036

金融・不動産　関連職

ロジスティック回帰について学習した

takahashi_mi

販売・サービス・事務

概念は理解できた気がする。

k_k_ai

メーカー技術・研究・開発

ロジスティック回帰が非常にわかりやすかったです。

h-kozawa

メーカー技術・研究・開発

機械学習の数学的解釈が非常にわかりやすく、よく理解できました。

vz3000

IT・WEB・エンジニア

ロジスティク回帰の仕組みや対数尤度の考え方を理解することができた。

s-ma

経営・経営企画

ロジスティック回帰の仕組みについて理解が深まった

kk1000

販売・サービス・事務

シグモイド関数、対数尤度、勾配法、微分・・・
よく理解できていないのでゆっくりやり直していきたいです。

jishiko

メーカー技術・研究・開発

2値分類の1つであるロジスティック回帰について概要を学んだ。対数尤度に関する説明がもう少し欲しかった。

watanabe-tat

専門職

ロジスティクス回帰を用いて、製品の外観検査の良・不良判定を実装してみたい。

masato_86

専門職

むずかしいと感じていたが理解できた気がする。

madogiwazoku

その他

素人には難しすぎました。頭が痛いです。鼻血もでそうです。

sakurai_shingo

人事・労務・法務

業務で活用できそう。

hi-std

IT・WEB・エンジニア

公式について説明を聞いても実務に結びつけられなかった。

taka1962

販売・サービス・事務

二値予測で確率は計算されることで、その後の対応に変化をつける事務処理に応用できると思います。

shin_yako

販売・サービス・事務

参考になりました。実務で活用を検討します

popcorn1212

販売・サービス・事務

今ある事実のデータで将来の可能性的な予測をする事が出来るのは目から鱗でした。

pomu77

IT・WEB・エンジニア

難しかった。本などから知識を補足して理解を深めたい。

sesesese

その他

顧客の契約の可能性などの分析に利用している。
理論についても理解が深まりました。

tsukamotoya

営業

ロジスティック回帰（ロジスティックかいき、Logistic regression）は、ベルヌーイ分布に従う変数の統計的回帰モデルの一種である。連結関数としてロジットを使用する一般化線形モデル (GLM) の一種でもあるらしい。ロジスティック回帰分析は、目的変数が0と1からなる2値のデータ、あるいは0から1までの値からなる確率などのデータについて、説明変数を使った式で表す方法のこと。日頃の業務に活かせるように頑張ります。

michiyomichiyo

その他

数学的な知識が浅いため、具体的に理解しきれなかったが、例に例えられたような適職が何かを確立で出せると、無駄に悩む時間が減ってよいなと思えた。