【第59回】AIは確率で分けられる？ロジスティック回帰とは

2026年5月6日 17:16

「合格か不合格か」「買うか買わないか」のように、二択を予測したいことがあります。
そのときによく使われる代表的な方法がロジスティック回帰です。
この記事では、分類問題で使われる基本手法をやさしく解説します。

ろじすてぃっくらいいき (Logistic Regression)

「ある事象が起こる『確率』を計算し、その確率に基づいて『クラス（カテゴリ）』を判定する手法」のことです。

ポイント1：出力は「確率」: 「明日は雨が降る確率は 75% です」というように、0 から 1 の間の数値を算出します。
ポイント2：判定は「境界線」で行う: 確率が 0.5(50%) を超えたら「雨」、超えなければ「晴れ」というように、あるしきい値（境界線）を基準にクラスを分けます。

【天気予報の的中率の例え】 あなたは明日の天気を予想するAIを作っています。

もし、この手法が単なる「回帰」なら、「降水量は 10mm です」という数値を予測します。
しかし、「ロジスティック回帰」なら、「雨が降る確率は 80% です」と計算します。そして、「50% を超えたから、明日は『雨』と判定しよう！」と、確率をもとに分類（クラス分け）を行うのです。

「ロジスティック回帰」という名前の「回帰」は、統計学における古い用語に由来しています。もともとは、データの動きを数式（回帰式）で表そうとしたものですが、その結果として出てくる値が「確率」として解釈できる形（シグモイド関数）になったため、このような名前になりました。

医学の分野では、古くから「ある症状がある場合に、病気である確率」を計算するために広く使われてきました。現代の機械学習においても、もっとも基本的で強力な「分類タスク」の土台となる手法です。

ここが試験で狙われる「整理」ポイントです！

線形回帰 vs ロジスティック回帰 ★超重要（ひっかけ注意！）
- 線形回帰: 「連続的な数値（売上、気温など）」を予測する。出力は −∞ から +∞ まで。
- ロジスティック回帰: 「クラス（Yes/Noなど）」を分類する。出力は 0 から 1 の間の「確率」。
ロジスティック回帰 vs 決定木/SVM ★重要
- ロジスティック回帰: 「確率」として答えを出すため、「どれくらい自信があるか」がわかる。
- 決定木/SVM: 基本的には「クラス（AかBか）」という結論を直接出す（プロセスの中で確率は計算できることもあるが、手法の主目的は分類そのもの）。

G検定では、以下のポイントが狙われます！

「分類タスク」に使われる手法であること: 名前は「回帰」ですが、目的は「分類」です。ここが最大のひっかけポイントです。
「シグモイド関数 (Sigmoid Function)」との関係: 出力値を 0 から 1 の範囲にギュッと押し込めるための魔法の数式（シグモイド関数）の名前を覚えておく。
出力値の意味: 出力される値が「事象が発生する確率」であることの理解。
線形分離可能性: 基本的には、直線や平面で分けられるような問題に適しているという性質。

【問題1：タスクと手法の識別】

「ロジスティック回帰」という手法について、正しい説明はどれですか？

【問題2：数学的仕組みの理解】

ロジスティ Manistic 回帰において、計算された数値を 0 から 1 の範囲（確率）に変換するために用いられる、S字型の曲線を描く関数を何と呼びますか？

【問題1 の回答】

正解：C

【解説】 ここが一番の重要ポイントです！「ロジスティック回帰」という名前に騙されてはいけません。この手法は、確率を計算して最終的にクラスを分ける「分類タスク」のための手法です。A は線形回帰の説明であり、誤りです。

【問題2 の回答】

正解：B

【解説】 ロジスティック回帰において、どんなに大きな値や小さな値が出てきても、それを 0 と 1 の間に収めて「確率」として扱えるようにする魔法の関数が「シグモイド関数」です。D の ReLU 関数は、ディープラーニング（ニューラルネットワーク）でよく使われる別の関数です。

いいなと思ったら応援しよう！