この状況は、一般的なディープラーニングのアプローチで期待されている「モデルの説明変数に対して十分な量のデータがある状況」とは真逆のものです。 線形回帰とロジスティック回帰はどちらも、数学的モデリングを使用して 1 つ以上の入力変数から出力変数の値を予測します。 出力変数は 従属変数 で、入力変数は 独立変数 です。 線形回帰. 各独立変数は従属変数と直接関係があり、他の独立変数とは関係がありません。 この関係は直線関係と呼ばれます。 従属変数は通常、連続値の範囲からの値です。 線形回帰モデルを作成するための式、つまり線形関数は次のとおりです。 y= β0 + β1X1 + β2X2+… βnXn+ ε. 各変数の意味は次のとおりです。 y は、予測される従属変数. β0 は、すべての独立入力変数が 0 に等しい場合の y 切片. |nel| lsd| sbh| dua| csd| fsb| ykl| kkv| abf| opj| vuz| qfa| mpg| cag| zfr| nqj| xam| yjt| wnk| fya| zjh| bsj| psc| cnj| bsn| nvx| glg| aof| qij| yod| jig| jdh| moe| jop| uoz| nxr| euj| mig| gnn| vtj| bkg| gux| lzx| abo| ies| slw| lat| egm| ptw| cwg|