このブログでは、線形回帰モデルをトレーニングし、新鮮な入力に対して正しく動作することを期待します。
あらゆる機械学習モデルの基本的な考え方は、多数の入力にさらされ、それらに適用可能な出力も供給されることです。
非常に原始的な例として、天気によってジャケットを着るかどうかを決めなければならない場合を考えてみましょう。
+---------------------+---------------+
| Outside Temperature | Wear a Jacket |
+---------------------+---------------+
| 30°C | No |
| 25°C | No |
| 20°C | No |
| 15°C | Yes |
| 10°C | Yes |
+---------------------+---------------+
心の中では、入力 (温度) と出力 (ジャケットを着るかどうかの判断) の間に何らかの関連性があると考えています。
さて、コンピュータが私たちのために解決してくれる、もう少し良い代数的な問題に移りましょう。
始める前に、scikit-learnをインストールするのを忘れないでください。
学習セットが与えられれば、出力（y）は（x1 + 2*x2 + 3*x3）以外の何物でもないことが容易に推測できます。
トレーニングセットの生成方法
MLモデル -線形回帰
線形回帰モデルの作業は簡単です。 モデルを作成し、それを訓練し、そしてそれを使用します。)
となります。
モデルのトレーニング
トレーニングセットの準備ができました。 そこで、線形回帰モデルを作成し、トレーニングデータを渡します。
テストデータdiv