Quantile Regressionは、条件付き分位数を予測することができる手法です。Scikit-learnでは、QuantileRegressorクラスを用いてQuantile Regressionを実装することができます。
以下に、Quantile Regressionの基本的な使用方法を示します。
from sklearn.linear_model import QuantileRegressor
import numpy as np
# データの生成
n_samples, n_features = 10, 2
rng = np.random.RandomState(0)
y = rng.randn(n_samples)
X = rng.randn(n_samples, n_features)
# モデルの設定
reg = QuantileRegressor(quantile=0.8).fit(X, y)
# 予測
predictions = reg.predict(X)
このコードでは、QuantileRegressorクラスをインポートし、データを生成しています。その後、モデルを設定し、データにフィットさせています。最後に、新しいデータに対する予測を行っています。
Quantile Regressionは、異常値に対して頑健であり、また、ノイズの分散が特徴量の値によって変化する場合（不均一分散）や、ノイズの分布が非対称である場合に有用です。
以上が、PythonとScikit-learnを用いたQuantile Regressionの基本的な使用方法になります。詳細な情報や更なる使用例については、Scikit-learnの公式ドキュメンテーションをご覧ください。.