回帰直線とは、データの散らばり（散布図）の傾向を最もよく表すように引かれた一本の直線のことです。機械学習や統計学において、過去のデータから変数間の関係性をモデル化し、未来の数値を予測するための基本技術として広く活用されています。
回帰直線とは
一言でいうと、散らばったデータの傾向を最もよく捉えた「予測のための直線」のことです。
詳しく解説
回帰直線は、機械学習の教師あり学習における「回帰」タスクの最も基本的なモデルです。データが持つ変数間の関係を数式として表現するために用いられます。一般的には、実際のデータ点と直線との間の距離の二乗和が最小になるように直線を決定する「最小二乗法」という手法を使って計算されます。AIやデータ分析の分野では、広告費に対する売上の予測や、気温の変化に伴う電力需要の予測など、連続的な数値を予測するモデルの土台として非常に重要な役割を担っています。
具体例・使われ方
例えば、過去の住宅の「広さ」と「価格」の関係を分析し、広さから価格を予測するための直線を引きたい場合に回帰直線が使われます。この直線を利用すれば、新しい物件の広さを入力するだけで、おおよその価格を予測することが可能になります。また、教師あり学習の入門として、機械学習のアルゴリズムがどのようにデータを学習し予測を行うのかを視覚的に理解するためにも利用されます。
似た用語との違い
データをグループに分ける「分類」とは異なり、回帰直線は連続的な数値を予測するために用いられます。分類問題ではデータの境界線を引きますが、回帰直線では数値の傾向や関係性そのものを直線で表現する点が異なります。
注意点
回帰直線はあくまでデータの傾向を簡易的に表したものであり、すべてのデータが正確にこの直線上にあるわけではありません。また、学習に使用したデータの範囲を超える未知の領域に対して予測を行うと、現実とはかけ離れた誤った結果を導き出すリスクがあるため注意が必要です。