AI・データサイエンス、
機械学習の実践力を高めたい方へ

プログラミングを0から学びたい
データサイエンティスト、データ
アナリストを目指したい
AIエンジニア、大規模言語モデル(LLM)エンジニアを目指したい

AI人材コースを無料体験してみませんか？

無料で120以上の教材を学び放題！
Pythonやデータ分析、機械学習など
AI人材に必須のスキルを無料体験できる！
データ分析、AI開発の一連の流れを体験、実務につながる基礎スキルを習得！

1分で簡単！無料！

無料体験して特典を受け取る

自由度調整済み決定係数とは

自由度調整済み決定係数とは、決定係数の欠点である説明変数を増やしてしまうと、数値が意味もなく大きくなる点を改善した手法です。重回帰分析において、変数の数に応じて決定係数が小さくなるように補正されます。

_{自由度調整済み決定係数を算出する}

sklearnには実装されていないため、独自関数を実装するか、もしくはstatsmodelsライブラリを利用します。

summary関数のAdj. R-squaredの部分を参考にすることが出来ます。

import statsmodels.api as sm
import pandas as pd
from sklearn.datasets import load_boston

boston = load_boston()
 
x = boston.data
x = pd.DataFrame(x, columns=boston.feature_names)
y = boston.target
y = pd.DataFrame(y, columns=["target"])

df = pd.concat([x, y], axis=1)

x = df[["RM", "AGE", "DIS"]]

# 全要素が1のconst列（切片）を説明変数の先頭に追加
X = sm.add_constant(x)
 
#モデルの設定
model = sm.OLS(y, X)
 
# 学習
results = model.fit()
 
# 結果の表示
print(results.summary())

機械学習や統計を効率よく学ぶには？

機械学習や統計を効率よく学ぶには、普段から機械学習や統計学を用いて業務をしている現役のデータサイエンティストに質問できる環境で学ぶことです。
質問し放題かつ、体系的に学べる動画コンテンツでデータ分析技術を学びたい方は、オンラインで好きな時間に勉強できるAI Academy Bootcampがオススメです。受講料も業界最安値の35,000円（６ヶ月間質問し放題＋オリジナルの動画コンテンツ、テキストコンテンツの利用可能）なので、是非ご活用ください。