回帰モデルとは何か
AIがデータを扱うとき、「これは猫画像か犬画像か」のような選択肢から一つ選ぶのが「分類」ですが、それとは対照的に「明日の気温は〇度」「このマンションは〇万円」といった、滑らかに連続する数値を予測するのが回帰モデルの主な仕事です。答えが幅を持たない一点ではなく、線としてつながる世界を対象にしている点が特徴です。
わかりやすい比喩でイメージしよう
山岳地図の等高線や滑走路の標高計測を想像してみてください。バラバラな地点の高さを測り、それをつないで「この斜面はどのような角度で連続して変化しているか」を描き出す作業が回帰です。
モデルは学習データという散らばった点をつなぎ、未来の数値がどの線上に乗ってくるかを予想します。分類が箱庭の仕切りを作るなら、回帰モデルは滑らかな坂道を敷き詰めるようなイメージです。
📚 さらに理解を深めたい方には、G検定の公式テキストがお薦めです！
リンク
一言🐾
💡 連続しているデータを予測するモデルです。分類と何が違うかの？は歴史を追ってやっとわかりました
おまけ：画像生成AIに説明させてみた
※ここからは検証コンテンツです。
画像内の説明には誤りが含まれる可能性があるため、本文の解説とは分けています。
んーｗ英語はあってますが、日本語は若干微妙？もしかしたら、入力した文字を画像として描画しようとしたりしているのか？ あと、この絵だけでは全くわかりませんね。。。。
評価：★☆☆☆☆
コメント