1．基本を理解
読み方・用語解説- 読み方
- かいき
- 英語名
- Regression
- 提唱者・年代
- 統計・機械学習の基本的な教師あり学習タスク
💡 豆知識——“回帰”＝regression——“売上がいくらか”“気温がいくらか”のような“量”を当てる。
【セットで覚えたい関連用語】
分
分類カテゴリ（質）を予測。回帰と対になる。線
線形回帰最も基本的な回帰（直線モデル）。損
損失関数予測と正解のズレを測る。2．意味（定義）と例え話
一言で言うと？
売上や気温などの連続的な数値（量）を予測する教師あり学習。分類（質・カテゴリの予測）と対になる。
背景・歴史的流れ
統計・機械学習の基本タスク。“量（連続値）の予測”の系統——“質（カテゴリ）の予測”である分類と対になる。
身近な例え話
不動産屋さんが、面積・駅までの距離・築年数を見て“この家ならこのくらい”と“数字”を出す——カテゴリではなく数値を当てる仕事。
AIとの関係
売上予測・気温予測・価格推定など、現在の“予測系”AIの中心。
おすすめの活用法・注目ポイント
「連続値（量）を予測／教師あり／分類と対」が鉄板。
3．直前に理解（Q&A）
7問Q1. 回帰とは？最頻出
売上や気温などの連続的な数値（量）を予測する教師あり学習。
Q2. 何を予測する？最頻出
売上・気温などの連続的な数値（量）。
Q3. 対になるタスクは？頻出
分類（質・カテゴリの予測）。
Q4. 「回帰は、‘スパムかどうか’を予測するタスク」は正しい？ひっかけ
誤り。“カテゴリ（質）”を予測するのは分類。回帰は連続値（量）を予測する。
Q5. 典型例は？頻出
売上予測、気温予測、価格推定など。
Q6. どの学習？頻出
教師あり学習（過去の数値の答え付きデータで学ぶ）。
Q7. 位置づけは？親と子
教師あり学習⊃回帰（量）と分類（質）。
4. まとめ
回帰＝売上・気温などの連続値（量）を予測する教師あり学習。分類と対になる。