回帰
意味・解説
過去のデータから変数間の関係を数式（モデル）で表し、未知の「連続的な数値」を予測する機械学習の手法。数値予測。
教師あり学習の代表的なタスク。売上、気温、株価などの連続値を予測する。最も基本的な「線形回帰」は、データの散らばりに対して最適な直線を引くことで、未来の値を算出する。誤差の最小化を目的としてモデルを最適化する。
くわしく
「過去の傾向から『点と点を結ぶ線』を引き、その線を引き伸ばして未来の数字を当てること」です。
1.分類との違い:
「合格か不合格か（カテゴリー）」を当てるのが分類、「テストで何点取るか（数値）」を当てるのが回帰です。
2.種類:
1つの原因から予測する「単回帰」と、複数の原因（気温、価格、広告費など）から予測する「重回帰」があります。
例文
過去の客単価と滞在時間のデータを用いて回帰分析を行い、来店客数の変化による売上の推移を予測した。
過去問での出題状況
直近29回分の過去問（全2,900問）を解析した結果、4回登場しています（出題された年度: 3年度）。
出典: 本サイト独自集計（問題文および全選択肢テキストからの用語出現頻度・2026年6月時点）
同義語: 回帰分析, 数値予測
対義語: 分類
分類: 機械学習のタスク