回帰とは

回帰とは、機械学習で、住宅価格や気温、来月の売上のように、連続した数値を予測する手法のことです。過去のデータから「入力(条件)」と「結果の数値」の関係を学び、新しい入力に対しておおよその数値を見積もります。教師あり学習の代表的な使い道のひとつで、身近な予測の裏側で広く動いています。

分類との違い

よく対比されるのが分類です。分類が「迷惑メールかどうか」のように種類(カテゴリ)を当てるのに対し、回帰は「いくらになるか」という数値そのものを予測します。答えが「どれか」なら分類、「いくつか」なら回帰、と覚えるとつかみやすいでしょう。同じ予測でも、出てくる答えの形が違うわけです。

ビジネスでの使われ方

回帰は、数字を見積もりたい場面の多くで活躍しています。需要予測、価格の設定、広告効果の見積もり、設備が故障しそうな時期の予測など、経営の意思決定に直結する用途が並びます。過去の傾向から先の数値をつかむ道具として、予測の土台を支える存在です。

回帰に関するよくある質問

回帰はビジネスでどう使われますか？

数字を見積もりたい場面の多くで活躍します。需要予測、価格の設定、広告効果の見積もり、設備が故障しそうな時期の予測など、経営の意思決定に直結する用途が並びます。過去の傾向から先の数値をつかむ、予測の土台です。

回帰と分類はどう違いますか？

分類が「迷惑メールかどうか」のように種類（カテゴリ）を当てるのに対し、回帰は「いくらになるか」という数値そのものを予測します。答えが「どれか」なら分類、「いくつか」なら回帰、と覚えると分かりやすいです。

「回帰」という名前の由来は何ですか？

19世紀の研究者ゴルトンが1886年、背の高い親の子は親ほど高くならず平均へ「戻っていく（regression）」傾向を見つけたことに始まります。この「平均への回帰」の研究から、数値の関係を分析する手法が「回帰」と呼ばれるようになりました。