http://kogolab.chillout.jp/elearn/icecream/chap4/sec0.html
https://data.wingarc.com/regression-analysis-31489
やりたいこと
バイトの数を最適化したい。（アイスクリームの店長さん）
どうやってやるか
お客さんの数を予測する
・過去のデータを使って
散布図で把握する（大まかに）
思うこと
よくわからん（特定できてない）
改善策
最高気温がわかれば、客の数がすぐに計算できるような線を書けばよい
→回帰直線と呼ばれる
回帰直線を引く
内容
４つの点を通る良い感じの直線を書きたい
思うこと
どれだけうまく線を引いても、実際のデータとは乖離がある
→「残差」という。
→（自分のことばで）残差とは、予測した値と実際の値の差
→「残差」を利用。残差から回帰直線を引く
→最小２乗法という方法を使う
→残差の２乗の合計を計算して、それを最も小さくする直線を求める
どうやって最小２乗法は計算するのか
回帰直線の傾き＝相関係数＊（（yの標準偏差）／（xの標準偏差））
y切片＝yの平均－（傾き＊xの平均）
Excelで計算
| 平均 | 31.95 | 321.1 | 偏差席の平均 | 142.255 | |
| 標準偏差 | 2.871846 | 56.913 | 相対係数 | 0.870352 | |
| 傾き | 17.24826 | ||||
| 切片 | -229.982 |
導かれた結論
y = 17.25x -229.98
→最高気温が１度上がると、約１７人お客さんが増える。
活用
たとえば、最高気温３０度の時、288人の来店が見込まれる。
まとめ
回帰分析を理論的に理解できた・・気がする。プログラミングでコードを書くことと、書いている内容を理解していることは、必ずしも一致しない。（論理的に理解してなくても、正解にたどり着ける。）論理と手段実行。バランスよく自力を鍛えたい。
