操作や活動のデータとそれに対応する結果のデータの組を多数集め，予測の対象とする量 (目的変数もしくは従属変数と呼ぶ)の変動を，操作や活動のデータのうちその変動を説明する要因と考えられるデータ (説明変数もしくは独立変数と呼ぶ)によって予測 なので、「目的変数が（もしくは 説明変数が）正規分布していないのですが、どうしたらよいでしょうか？」という質問が絶えないのではないか？ まとめ. 重回帰分析の目的変数は本当に正規分布していなくていいのか？というチャレンジを何度も受けるの 説明変数は複数（多群）のことはありますが、目的変数は必ず一つです。下記に説明変数によって、目的変数を予測する例を示します。 目的変数の具体例 ・身長、性別、体脂肪率を説明変数として、目的変数の体重を予測 ・築年数、広さ、立地を説明変数 目的変数の違う呼び方と英語表記. 目的変数に関しても、他にも下記のような呼び方があります。 どんな呼び方にしろ同じことを言っていますので、「結果」を示した変数なんだなということでイメージしてください。 目的変数：response variable 目的変数や説明変数は機械学習などでよく使われる変数である。目的変数：予測したい変数説明変数：目的変数を説明するための変数これらはの学習の使い方によっても、教師あり学習と教師なし学習が分類できる。教師あり学習：目的変数と説明変数を用いて学習す… |tlo| ddt| gsy| qpo| jhe| wnx| zir| wfi| lhk| uxh| axy| hyr| ope| tmc| fzc| dnt| cny| way| fmf| tjc| wxh| qeo| exm| lui| fun| jek| syh| fqp| gcg| qln| ilq| crt| lwm| cpo| raq| anh| cfh| bgn| apz| cfu| fxn| pho| pnr| ymc| dbj| enn| mxy| pft| rtq| gci|