【第54回】AIは数を予測する？種類を見分ける？回帰と分類とは
前回は「教師あり学習」について学びましたね。正解ラベルを使ってAIが勉強するという仕組みはバッチリでしょうか？ でも、AIが「正解を当てる」といっても、実は「何を当てるか」によって、AIの中での計算方法が全く違うんです。 「明日の気温は何度か？」と「明日は晴れるか雨か？」を当てるのは、実は全然違うアプローチ。 今日は、教師あり学習の2大巨頭である「回帰」と「分類」について、スッキリ整理していきましょう！
1. 読み方
回帰 ＝ かいき
分類 ＝ ぶんるい
2. 意味（定義）
AIが答えを出すとき、その答えが「数字」なのか「グループ」なのかで名前が変わります。
① 回帰（かいき）＝「数値をピンポイントで当てること」 例えるなら、「スーパーの店員さんに、カボチャの重さを予想してもらうこと」です。 「だいたい2.5kgくらいかな？」という風に、連続した数値で答えを出します。 1kgなのか、1.1kgなのか、1.15kgなのか、答えが無限にあり得る「量」を予測するのが回帰です。
② 分類（ぶんるい）＝「どのグループに属するか当てること」 例えるなら、「バラバラに届いた郵便物を、『重要』か『チラシ』かに分けること」です。 「これはAグループ！」「これはBグループ！」という風に、あらかじめ決められたカテゴリー（ラベル）のどれに当てはまるかを判定します。 答えは「AかBか」のように、パキッと分かれた選択肢の中から1つを選ぶのが分類です。
3. 歴史・背景
人間は昔から、「過去のデータから未来を予測したい」と考えてきました。 例えば、農作物の収穫量を予想したり、病気の症状から病名を特定したり。
AIの世界でも、この「数値を当てる（回帰）」ことと「種類を分ける（分類）」ことは、機械学習の最も基本的で重要なタスクとして発展してきました。 なぜこれが重要視されるかというと、世の中のほとんどの問題が、このどちらかに集約されるからです。
「売上を予測したい」 → 回帰
「この画像が犬か猫か知りたい」 → 分類
「このメールが迷惑メールか知りたい」 → 分類
「来月の電気代がいくらになるか知りたい」 → 回帰
このように、やりたいことに合わせて「回帰を使うか、分類を使うか」を正しく選ぶことが、AI開発の第一歩になります。
4. 比較・対比（似た用語との違い）
「回帰」と「分類」はどちらも教師あり学習ですが、決定的な違いは「出力される答えの形」です。
【回帰】の場合
答えの形： 連続した数値（量）。
特徴： 「どれくらい？」という量的な予測をする。
例： 明日の株価、テストの点数、家の価格。
イメージ： メジャーで長さを測る感じ。
【分類】の場合
答えの形： 離散的な値（カテゴリー）。
特徴： 「どっち（どれ）？」という種類的な判定をする。
例： 合格か不合格か、犬か猫か、赤か青か。
イメージ： スパムを迷惑メールフォルダへ、それ以外を受信トレイへ仕分ける感じ。
5. 活用シーン（実社会のどこで、どんな問題に使うか）
① 不動産アプリの「家賃相場予測」（回帰） 駅からの距離、部屋の広さ、築年数などのデータから、「この部屋の適正家賃は〇〇円です」という具体的な数値を算出します。これは典型的な回帰の活用例です。
② スマホの「顔認証ロック解除」（分類） カメラに写った顔のデータが、「登録された持ち主（正解）」なのか、「それ以外の人（不正解）」なのかを判定します。「持ち主である / ではない」という2つのグループのどちらかに分けるため、これは分類になります。
6. G検定での出題傾向
G検定では、「ある具体的な事例が提示され、それが『回帰』か『分類』かを選ばせる問題」が非常によく出ます。
見極めポイント： 答えが「〇〇円」「〇〇度」などの具体的な数値になっているか、それとも「〇〇である」「Aグループである」というカテゴリーになっているかに注目してください。
注意点： 「0か1か」で答える問題が出たとき、それが「確率（0.7など）」を求めているなら回帰的な考え方ですが、「0（ダメ）か1（OK）か」というラベルを求めているなら分類になります。文脈をしっかり読みましょう。
7. G検定の例題
【問題1：最頻出（基礎的な定義）】
教師あり学習において、連続する数値を予測することを何と呼ぶか？
A. クラスタリング
B. 分類
C. 回帰
D. 次元削減
【問題2：頻出（事例からの判断）】
「過去の天候データと気圧から、明日の最高気温が何度になるかを予測する」というタスクに最も適した手法はどれか？
A. 回帰
B. 分類
C. 教師なし学習
D. 強化学習
【問題3：ひっかけ（勘違いしやすいポイント）】
以下の例の中で、「分類」に該当するものはどれか？
A. 過去の販売実績から、来月の売上個数を予測する。
B. 走行距離と年式から、中古車の販売価格を予測する。
C. 検査数値から、患者が「糖尿病であるか、ないか」を判定する。
D. 過去の気温データから、10年後の平均気温を予測する。
8. 7の例題の回答と解説
【問題1：回答】 C
【解説】 正解はCです。定義そのものの問題です。連続した「数値」を予測するのは「回帰」です。ちなみにAとDは教師なし学習の手法、Bはカテゴリーを当てる手法です。
【問題2：回答】 A
【解説】 正解はAです。「最高気温が何度になるか」という答えは、「25.3度」のように連続した数値になります。したがって、これは「回帰」の問題になります。
【問題3：回答】 C
【解説】 正解はCです。
Aは「売上個数（数値）」なので回帰。
Bは「販売価格（数値）」なので回帰。
Dは「平均気温（数値）」なので回帰。
Cだけは「である / ない」という2つのグループに分ける判定をしているため、「分類」に当たります。すべて数値予測に見える選択肢の中で、一つだけ「判定」が混ざっているひっかけ問題でした。
9. Ankiアプリ用（CSV形式）
教師あり学習で、連続した数値を予測する手法は？,回帰
教師あり学習で、データがどのグループに属するかを判定する手法は？,分類
「明日の株価がいくらになるか」を予測するのは回帰か分類か？,回帰
「メールが迷惑メールかどうか」を判定するのは回帰か分類か？,分類
回帰と分類の決定的な違いは何か？,出力される答えが「数値（量）」か「カテゴリー（種類）」かという点。
📝 総評・まとめ
お疲れ様でした！「回帰」と「分類」の違いはバッチリ掴めましたか？ どちらも「答えを当てる」ことですが、「定規で測る（回帰）」か「箱に分ける（分類）」かというイメージを持っておけば、もう迷うことはありません！
✅ 絶対に覚えて！
回帰 ＝ 答えが「数値」。量や金額、温度などをピンポイントで予測すること。
分類 ＝ 答えが「ラベル（種類）」。AかBか、どのグループかを判定すること。
実例で考えよ！ ＝ 「〇〇円」なら回帰、「〇〇である」なら分類。
🚀 次回予告 回帰の基本がわかったところで、次は具体的にどうやって数値を予測するのかを見ていきましょう。 AIが予測に使う「魔法の直線」のお話です。
【第55回】AIは直線で予測できる？線形回帰とは
✅ この記事が役に立ったら「スキ」で応援してください！
あなたの応援が、次の解説を作るエネルギーになります！🚀
