Summary
This chapter covers simple linear regression, a technique that learns parameters by fitting a straight line to training data in order to predict continuous target values.

General domain of usage
Housing price prediction

**回帰**は、監督学習タスクの一つであり、**ターゲット**と呼ばれる数値（例：住宅価格）を、**特徴量**と呼ばれる一連の入力変数（例：広さ、築年数、立地など）に基づいて予測する手法。 



定義

モデルを学習させるには、特徴量とターゲットの両方を含む多数の住宅の例を用意する必要がある。モデルの学習に使用するこれらの例の集合は、**訓練データセット**と呼ばれる。

回帰タスクを実行できる最も単純なモデルは、**線形回帰**。
この散布図は、ある人の身長とその父親の身長を示している。

## 仕組み
単回帰分析は、データにできるだけ近い直線をデータに当てはめる手法。

## 予測の作成
この直線を使って、新しい点のターゲットを予測できる。
例えば、父親の身長が63.5インチの場合、そのX=63.5に対応する直線上の点を選び、そのy値が予測値となる。
このモデルは、その人の身長を64.3インチと予測する。

## 単回帰方程式
学校で習ったように、直線の関数は **y=b+ax** です。そのため、学習の過程で単回帰分析は、目的の直線を形成するために **a** と **b** の値が何であるべきかを学習します。
モデルが学習するこれらの値は **パラメータ** と呼ばれ、今後このコースではパラメータを **a**、**b** の代わりに **𝛽** で表記します。
したがって、単回帰方程式は次のようになります:

回帰分析において、予測したい値は次のように呼ばれます:

Pythonを使用した連続的な結果のモデリングおよび予測のための回帰手法を探求します。線形回帰の基礎に基づき、変数間の関係の分析、モデル係数の解釈、実データセットにおける予測性能の評価を行います。


線形回帰とは何か

基本概念

仕組み

予測の作成

単回帰方程式

1. 回帰分析において、予測したい値は次のように呼ばれます:

2. 空欄を埋めてください