まとめ・ミニプロジェクト

この章の振り返り

この章では、次のような流れで「数学」と「コード」を結びつけてきました。

1. 一次関数 $y = ax + b$ で、入力から出力を計算する仕組みを数式で表した
2. ベクトル で、複数の数値をひとまとまりとして扱う考え方を学んだ
3. scikit-learn のfit/predictで、実際に線形回帰モデルを動かした
4. 損失関数 で、「モデルの当てはまりの良さ」を数値(誤差)で測る方法を学んだ
5. 勾配降下法 で、その損失を小さくするように$a$と$b$を自動的に調整する仕組みの直感を掴んだ
6. 変化の割合 で勾配を自分で計算し、勾配降下法を実装して、$a$が谷底へ近づいていく様子を確かめた

振り返ってみると、model.fit(X, y)というたった1行のコードの裏側には、「損失が最も小さくなる$a$と$b$を探す」という数学的な仕組みがありました。線形回帰はその答えを公式で一度に求めますが、公式で解けない多くのモデルは、この章で自分で動かした勾配降下法で答えを探します。最初のレッスンで見た「AIとは何か」「$y=f(x)$」という説明から、ここまで具体的に理解が深まったのではないでしょうか。

この章の最後に、これまで学んだことを組み合わせて、自分の手で最初から回帰モデルを組み立てるミニプロジェクトに取り組みましょう。

ミニプロジェクト：広告費から売上を予測する

次の演習では、「広告費」と「売上」のデータを使って、次の3つを自分で実装します。

1. モデルを学習させる(この章で学んだfit)
2. 新しい広告費に対する売上を予測する(predict)
3. 学習データに対する**損失(MSE)**を計算し、モデルの当てはまりを確認する

このコースのゴールは、単にコードを写せるようになることではなく、「なぜこのコードでこの結果が得られるのか」を、数式のレベルで説明できるようになることです。この章で学んだ内容を思い出しながら、取り組んでみてください。

分からなくなったら、遠慮なくヒントを使ったり、このコース内の該当レッスンを見返したりしてください。それも含めて、このコースの学び方です。

このレッスンを終えると、教材のStage0〜3(導入・Python基礎・データの基礎・数学とコードで回帰モデルを作る)が完了となります。お疲れ様でした。

次の章では、「いくつになるか」ではなく「どれに当てはまるか」を予測する 分類 のモデルを作り、作ったモデルを正しく評価する方法を学びます。