ロジスティック回帰分析は、データが特定のカテゴリに属する確率を予測するための代表的な機械学習アルゴリズムです。名前は回帰ですが実際には分類問題に用いられ、スパムメールの判定や病気の有無の予測など、多様な分野で活用されています。
ロジスティック回帰分析とは
一言でいうと、ある事象が「起きる確率」を0から1（0%から100%）の間で予測し、2つの選択肢のどちらに属するかを分類するための統計的手法です。
詳しく解説
ロジスティック回帰分析は、入力されたデータに重みをかけて足し合わせた結果を、シグモイド関数と呼ばれる特殊な数式に通すことで出力を0から1の確率に変換します。この仕組みにより、線形回帰では対応しきれない「はい・いいえ」のような二値の予測を可能にしています。計算が比較的シンプルでモデルの解釈性が高いため、機械学習や統計学の分野において、より複雑なニューラルネットワークモデルを構築する前のベースラインとして重要視されています。
具体例・使われ方
具体的な利用例として、メールが迷惑メールであるかそうでないかを判別する迷惑メールフィルターや、健康診断の数値から病気の発症リスクが高いか低いかを予測する医療診断、あるいは顧客が商品を購入するかどうかを予測するマーケティングのコンバージョン予測などが挙げられます。
似た用語との違い
名前が似ている線形回帰分析との最大の違いは、目的変数の扱いです。線形回帰分析は連続値（株価や気温など）を予測するのに対し、ロジスティック回帰分析は確率を算出してカテゴリを予測する点に違いがあります。
注意点
ロジスティック回帰分析は、入力データと出力の関係が線形（直線的）であるという前提に基づいているため、複雑に入り組んだ非線分関係のデータに対しては十分な精度を発揮できないという限界があります。また、多重共線性が生じるとモデルの信頼性が低下する点にも注意が必要です。