AlteryxでLinear Regression(線形回帰)を使った例をご紹介します。

はじめに

こんにちはSFです。今回はAlteryxでLinear Regression(線形回帰)を使った例をご紹介します。

MLB大谷翔平選手の2022年度データを使い、奪三振数が球速および球種の数の２要素とどのような関連性があるか見てみたいと思います。

サンプル概要

作成してみたワークフローがこちらとなります。

Input(データ入力)　

今回のサンプルで出てくる要素(カラム)の意味は以下になります。

※データ出典　Baseball Savant（MLB公式です）

Linear Regression (線形回帰)ツール

まずここで線形回帰分析について簡単に説明したいと思います。

予測したい情報を「ターゲット変数」、予測したい情報の値が減ったり増えたりする原因を「予測変数」などと呼びます。

取り上げた例に当てはめますと

• ターゲット変数：奪三振数
• 予測変数：球速と球種の数

の２変数となります。

線形回帰の種類として予測変数が1で単回帰モデル、2以上で重回帰モデルと呼びます。

今回は予測変数が２のため、重回帰モデルとなります。重回帰モデル式は下記となります。

奪三振数 ＝ (係数1 × 球速) ＋ (係数2 × 球種の数) ＋ 切片　

※係数は目的変数と説明変数の直線的な傾きを表します

サンプルWFのツールコンテナ①～⑤で求めた奪三振数(StrikeOut_Count)に対して球速(Avg_release_speed)および球種(PitchType_Count)を使って実行してみます。

実行後の結果を確認してみます。

Estimateにおける値が直線回帰した関数の傾きを表しており、Interceptが切片を表しています。

球速が1上がれば奪三振数が約0.2下がり、球種の数が1上がれば奪三振数が約2.4上がると示しています。

右端の*が３つ表示されている事から重要度が高い事を示しています。（なかなか球種を増やすのも難しいと思いますが…）

まとめ

• 予測したいデータと要素の関連度合いについて、線形回帰ツールで確認する方法をご紹介しました。

サンプルワークフローダウンロード

LinearRegression_Sample