Kaggle Titanicを題材にロジスティック回帰を整理してみる
Qiita / 2026/3/22
💬 オピニオンTools & Practical Usage
要点
- Kaggle Titanicを題材に、ロジスティック回帰の一連のワークフローを実践的に整理して解説する
- データの前処理と特徴量エンジニアリング、欠損値処理、カテゴリ変数のエンコードなどの要点を示す
- scikit-learnでのモデル訓練、評価指標（精度・ROC-AUC）と係数の解釈を具体例つきで説明
- 初心者向けのポイントと落とし穴、モデルの妥当性検証や再現性を高めるコツをまとめる
Kaggle Titanicをロジスティック回帰で整理する
はじめに
Kaggle の Titanic は、機械学習の入門課題としてよく取り上げられる。
自分もこの問題を触りながら、まずは教師あり学習としてどう整理すればよいのかを理解したいと思った。
最初は強化学習で扱...
この記事の続きは原文サイトでお読みいただけます。
原文を読む →
