FE基礎理論 · 情報に関する理論

回帰

Regression

かいき

教師あり学習の課題の一つで、入力データから売上高や気温のような連続した数値を予測すること。線形回帰などの手法があり、予測値と正解値の誤差が小さくなるようにモデルを学習する。カテゴリを予測する分類と対比される。

共有:

他の資格での定義

教師あり学習の課題のうち、売上高や価格のような連続した数値を予測するもの。線形回帰、決定木、ニューラルネットワークなどのモデルを使い、予測の誤差をRMSEやMAE、当てはまりのよさを決定係数で評価する。カテゴリを予測する分類と並ぶ、教師あり学習の基本的な課題の種類である。

教師あり学習で扱う問題の一つで、入力データから売上高や気温などの連続的な数値を予測すること。線形回帰、決定木、ニューラルネットワークなどの手法が使われ、予測値と正解値の誤差（平均二乗誤差など）でモデルを評価する。カテゴリを予測する分類と対比される。

Past Exams

過去問で 7 回出題（基本情報技術者試験 4・ITパスポート試験 1・応用情報技術者試験 1・高度試験午前Ⅰ 1）

出典: 独立行政法人情報処理推進機構（IPA）の過去問題。問題文は IPA のサイトの PDF で確認できます。「選択肢」は、問題文ではなく選択肢に出たものです。用語名で照合しているため、関係の薄い問題が含まれることがあります。

説明変数の一次式をシグモイド関数で0〜1の値に変換し、ある事象が起こる確率を推定する手法。名前に回帰とあるが、確率がしきい値を超えるかどうかで2つのクラスに分ける分類に使われ、購買の有無や病気の発症の予測などに用いられる。

特定の限られたタスクに特化して設計された人工知能。画像認識、音声認識、チェスなど特定分野で高い性能を発揮するが、異なる分野への汎用的な適用はできない。汎用AIと対比される。

教師あり学習の課題の一つで、入力データがあらかじめ決められたカテゴリ（クラス）のどれに当たるかを予測すること。迷惑メールの判定や画像に写った物体の識別などがあり、決定木、ロジスティック回帰、サポートベクトルマシンなどの手法が使われる。

目的変数を説明変数の一次式（直線や平面）で表して予測する回帰の手法。予測値と実測値の誤差の二乗和が最小になるように係数を求める（最小二乗法）。説明変数が1つのものを単回帰、複数のものを重回帰という。

2クラス分類のモデルで、正例と判定するしきい値を変化させたときの、偽陽性率を横軸、真陽性率（再現率）を縦軸にとって描いた曲線。曲線が左上に寄るほど性能が高く、曲線の下の面積（AUC）でモデルを比較する。

要求事項の優先順位をMust（必須）、Should（重要）、Could（あれば良い）、Won't（今回は対象外）の4段階で分類する手法。限られたリソースで最も重要な要求を確実に実現するための優先順位付けに使用される。