前回は線形回帰の理論的な話をしました。今回は、線形回帰（Linear Regression）をPyTorchのモジュールを使って実装します。

実装することでモデル学習の仕組みの理解が深まります。

本シリーズの記事リスト

• ①前提条件

• ②テンソル

• ③テンソル：NumPy編

• ④テンソル：Tensor編

• ⑤データセット編

• ⑥線形回帰：理論編

• ⑦線形回帰：実装編

• ⑧ロジスティック回帰:理論編

• ⑨ロジスティック回帰:実装編

• ⑩ニューラルネットワーク

• ⑪単純な画像分類１

• ⑫単純な画像分類2

• ⑬畳み込み層:理論編

• ⑭畳み込み層:実践編

• ⑮最大値プーリング

• ⑯畳み込みニューラルネットワーク

• ⑰再帰型ニューラルネットワーク

• ⑱再帰型：実装編

• ⑲LSTM:理論編

• ⑳LSTM:実践編

• ㉑トランスフォーマー:紹介編

• ㉒トランスフォーマー:実践編

今回扱うのは、もっとも単純な線形回帰で、入力と出力の関係を直線で予測します。

例えば、身長から体重を予測する場合を考えます。身長が入力で、体重が出力とします。この身長の数値と体重の数値をグラフにプロットします。そして、その点たちをなるべくうまく通る直線を見つけることを目指します。

線形回帰は多変数の場合でも応用ができるので、シンプルながらも強力な予測手法です。