【ITパスポート・G検定】分類と何が違う？「回帰（かいき）」の超基本を1分図解！

「AIの世界でよく聞く『回帰分析』の『回帰』ってどういう意味？」

「普通のグラフ作成と何が違うの？」

「ビジネスの売上予測や価格査定でどう使われている？」

機械学習（AI）の「教師あり学習」を学ぶ上で、絶対に避けて通れないのが「回帰」です。数学的な響きがあって難しそうに感じられますが、中身はとてもシンプル。

回帰とは、これまでのデータの傾向から「一本のぴったりな線」を見つけ出し、そこから未来の「具体的な数値」をピタリと言い当てる非常にパワフルな技術です。

この記事では、ITパスポートやG検定の計算・手法問題で頻出となる重要テーマ「回帰」の仕組みと特徴を、5枚の図解構成に合わせて分かりやすく解説します！

まずは、回帰（かいき）がどのようなものなのか、直感的なイメージから掴みましょう。

回帰とは、一言でいうと「データから数値を予測する技術」です。

カフェの店内で、ロボットが「明日の気温」が書かれた天気予報の紙と、過去の「アイスコーヒーの売上数」のグラフを見比べながら、真剣に計算している姿をイメージしてください。ロボットの頭上には、グラフの点と点を繋ぐ一本のまっすぐな光る線が浮かび上がっています。

💡 【ワンポイント】

これまでのデータに合わせて

ピッタリな数値を先読みする！

次に、回帰がデジタル技術の中でどのような位置づけにあるのか、全体マップを見てみましょう。

回帰は、機械学習のなかでも「正解付きデータ」を扱う教師あり学習の、最も基本的な手法として位置づけられています。

正解付きのデータからパターンを学ぶ手法の代表格であり、特に「具体的な数値（量）」を扱うのが得意な分野です。

💡 【ワンポイント】

正解付きのデータで学ぶ手法の代表格！

数値を扱うのが得意と覚えましょう！

回帰が動く本質的な目的は、「データの傾向を線にする」という点にあります。過去の関係性を表す一本の線を導き出すことで、次の3つのステップで未来の数値を計算します。

ステップ1：データをグラフ化
過去の「広告費」と「来客数」を表す無数の小さな赤い点がバラバラにプロット（打点）されているグラフを、ロボットがじっと見つめるところから始まります。
ステップ2：中心に線を引く
ロボットが長い定規を使い、バラバラな点の間をちょうどすり抜けるような、一番バランスの良い「一本の直線」をグラフにきれいに引きます。
ステップ3：未来を計算する
新しく引いた直線を目印にして、「もし広告費をこれだけ増やしたら、来客数はここに届くはず！」と、グラフの正確な目盛りを指さして未来の数値を予測します。

💡 【ワンポイント】

関係性を表す一本の線を導き出すことで

未知の未来を予測する！

試験で最もよく比較される最大のライバルが「分類」です。この2つの決定的な違いを整理しておきましょう。

一言でいうと、その違いは「連続する数値か？グループか？」にあります。

回帰は、体重計の目盛りを指さして「明日の体重は65.2キロです」と細かな数値を予測するような動きをします。一方で分類は、目の前の人をひと目見て「大人」か「子供」かのどちらかの箱へきれいに仕分けるように、枠組みに当てはめるのが得意です。

💡 【ワンポイント】

回帰 ➡ 数値を当てる！

分類 ➡ 枠で分ける！

最後に、今回学んだ回帰の要点を振り返りましょう。

まずはここだけ絶対に押さえておけば完璧です！

ビジネスや実社会では、以下のような実用的な回帰の代表例が数多く使われています。

売上の予測： 来月の家賃や過去の客数データなどをもとに、来月の飲食店の売上金額がいくらになるかを電卓でパチパチと弾き出すシステム。
気温の予測： 過去の湿度や風速の推移データから、今日の最高気温が「何段階」ではなく「何度まで上がるか」をピンポイントで予測して画面に示す技術。
家賃の査定： 不動産サイトなどで、物件の「駅から徒歩何分」「築年数」という数字情報から、そのマンションの最適な家賃価格（いくらか）を自動で計算する技術。