回帰（機械学習）

📖 もうちょい詳しく

何が新しいの？

回帰そのものは、機械学習が広まる前から統計の世界で使われてきた古い考え方です。新しいのは、これをたくさんのデータとコンピュータの力に組み合わせて、「明日の気温」や「来週の売上」のような数字を自動で予測できるようになった点です。今では身近なサービスの裏側で、当たり前のように動いています。

どうやって動いてるの？

回帰では、過去のデータから「入力」と「数値の答え」の関係を学びます。たとえば部屋の広さ（入力）と家賃（答え）の組をたくさん見せて、その間にある傾向を1本の線や曲線として表します。学習とは、その線が実際のデータからなるべくずれないように、少しずつ調整していく作業のことです。

何ができるの？

新しい入力を与えると、学んだ関係をもとに「だいたいこのくらいの数字」と予測を返してくれます。気温予測、商品の需要予測、中古車の値付けなど、答えが数字で表せる場面ならどこでも使えます。決まった選択肢から選ぶのではなく、連続した値を答えるのが回帰の役目です。

🌱 身近なたとえ

引き出しの中の体重計で例えると分かりやすいです。これまでの「食べた量」と「体重」の記録をたくさん並べると、なんとなく右肩上がりの傾向が見えてきます。その傾向をうまく1本の線で表しておけば、「今週これだけ食べたら、体重はこのあたりかな」と数字で見当をつけられます。回帰はこの「傾向の線」を、データから自動で引いてくれる仕組みです。

✅ まず覚えるポイント

• 回帰は「連続した数値」を予測するタスクです。
• 気温・価格・売上・需要など、答えが数字になるものが対象です。
• 過去のデータから入力と数値の関係を学びます。
• 「AかBか」を当てる分類とは目的が違います。
• 予測はあくまで見当なので、ぴったり当たるとは限りません。
• 多くは教師あり学習の一種として扱われます。

🧭 よくある勘違い

回帰と分類って同じこと？

どちらも予測ですが、答えの形が違います。回帰は「23.5度」のような連続した数字を答え、分類は「晴れか雨か」のように決まったグループのどれかを答えます。数字で答えるなら回帰、種類で答えるなら分類、と分けて覚えると整理しやすいです。

予測した数字は正しい答えなの？

回帰が出すのは「過去の傾向から見て、たぶんこのくらい」という見積もりです。本物の答えではなく、多少のずれは前提として含まれています。データが少なかったり傾向が変わったりすると外れやすくなるので、参考値として受け取るのが安全です。

🧩 関連して覚えると楽な言葉

• 分類: 数値ではなく、決まったグループのどれかを当てるタスク。回帰と対で覚えると便利です。
• 教師あり学習: 入力と正解をセットで学ぶ方法。回帰はこの仲間に入ります。
• 機械学習: データから傾向を学ぶ技術の総称。回帰はその代表的な使い方の一つです。
• 時系列データ: 時間の順に並んだ数値のこと。回帰で先の値を予測する代表的な対象です。

🏁 ひとことでまとめ

回帰は、過去のデータから傾向の線を引いて、気温や価格といった数字を見積もる仕組みです。