ロジスティック回帰とは、データが特定のクラス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、実際にはスパムメールの判定や病気の有無といった「分類問題」を解決するために広く使われる基本手法です。
ロジスティック回帰とは
一言でいうと、データが特定のグループに属する確率を0から1の範囲で予測し、「はい・いいえ」のような分類を行うための統計的手法です。
詳しく解説
ロジスティック回帰は、線形回帰の考え方を拡張して作られています。通常の線形回帰では出力が無限の範囲をとるため確率を直接表せませんが、ロジスティック回帰ではシグモイド関数という特別な数式を用いて、出力を必ず0から1の間に収まるように変換します。これにより、ある事象が起こる確率を算出し、一定の閾値（通常は0.5）を基準にしてクラス分類を行います。計算がシンプルで結果の解釈もしやすいため、機械学習やデータ分析の現場で最も基本かつ重要なアルゴリズムの一つとして位置づけられています。
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、顧客が製品を「購入する」か「購入しない」かの二値分類、医療分野における患者が病気であるかどうかの診断補助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と混同されやすいですが、線形回帰が連続値（価格や気温など）を予測するのに対し、ロジスティック回帰は確率を計算してカテゴリを予測する点が大きく異なります。
注意点
データが完全に線形分離できる場合や、特徴量同士の関係が単純な場合には高い性能を発揮しますが、複雑で非線形なパターンを持つデータに対しては予測精度が限界を迎えるという注意点があります。また、外れ値の影響を受けやすい性質もあります。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年8月28日 02:01