回帰

一言で言うと

数値を当てる教師ありタスク。

もう少し詳しく

入力変数（特徴量）から連続値の出力を予測するモデルを学習する、教師あり学習の代表的な手法です。分類タスクが離散ラベルを予測するのに対し、回帰は住宅価格・気温・売上金額など連続量を予測します。代表例は線形回帰（Linear Regression）で、目的関数として平均二乗誤差（MSE）を最小化するようにパラメータを最適化します。

モデルの種類としては線形回帰のほか、多項式回帰、リッジ回帰（L2正則化）、ラッソ回帰（L1正則化）、勾配ブースティングを用いた非線形回帰など多岐にわたります。問題の複雑さやデータの特性に応じてモデルを選択します。

実務でどう使うか

関連する章

Ch191 で詳しく学べます。