<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>chayarokurokuro</author_name>
  <author_url>https://blog.hatena.ne.jp/chayarokurokuro/</author_url>
  <blog_title>よちよちpython   </blog_title>
  <blog_url>https://chayarokurokuro.hatenablog.com/</blog_url>
  <categories>
    <anon>Android</anon>
    <anon>JupyterNotebook</anon>
    <anon>numpy</anon>
    <anon>pandas</anon>
    <anon>python</anon>
    <anon>termux</anon>
    <anon>スマホ</anon>
    <anon>機械学習</anon>
  </categories>
  <description>Numpyだけで回帰分析その5。 どうやら重回帰分析もできるの巻。 Numpyのlinalg.lstsq()、線形代数的に最小2乗法を扱うメソッドを使う。polyfit()・poly1d()と何が違うかは後の課題としておこ。 参考 scipyのofficial document numpy.linalg.lstsq — NumPy v1.17 Manual 実行環境 Androidスマホ termux Python3.8 JupyterNotebook Pythonライブラリ Numpy Pandas その他 スマホアプリのExcel 準備するもの ワインの成分の重回帰分析学習用データみたいな…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fchayarokurokuro.hatenablog.com%2Fentry%2F2020%2F01%2F23%2F111608&quot; title=&quot;Numpyだけで回帰分析その5。linalgのlstsqで重回帰分析 - よちよちpython   &quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url></image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2020-01-23 11:16:08</published>
  <title>Numpyだけで回帰分析その5。linalgのlstsqで重回帰分析</title>
  <type>rich</type>
  <url>https://chayarokurokuro.hatenablog.com/entry/2020/01/23/111608</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
