はじめに

G検定では機械学習や深層学習の基本概念が繰り返し問われる。
中でも、「分類」と「回帰」の違いを正しく理解していない受験者は意外に多い。

今回は実際の過去問を題材に、「回帰問題とは何か？」「どのような選択肢が正しいのか？」を丁寧に紐解いていく。

Contents

回帰問題とは何か？

まず、回帰（regression）の定義を整理しよう。

回帰問題とは、連続的な数値データを予測することを目的とする機械学習のタスクである。
入力データに対して、売上や温度、価格、身長などの「数値」を出力するのが特徴だ。

例えば以下のようなケースがある。

いずれも「数値」が目的変数（予測したい結果）になっている。

実際のG検定で出題された問題を見てみよう。

以下の文章を読み、(●)に最もよく当てはまる選択肢を選べ。
回帰問題は入力データから(●)の予測を行う問題である。

正解は「3. 数値」

ここで重要なのは、回帰問題の出力が「連続値」であるという点だ。

「分類問題」がカテゴリ（例：良い／悪い、スパム／非スパムなど）を出力するのに対し、
「回帰問題」は温度・金額・体重・年齢などの数値的な結果を導く。
この違いが、両者の本質的な区別点となる。

G検定では、単に正解を選ぶだけでなく、「なぜ他の選択肢が間違いなのか」を説明できることが重要である。
以下に各選択肢の意味と不適切な理由を整理した。

選択肢	説明	不適切な理由
原因	ある結果が起きる理由や要因を指す。因果関係の話。	回帰問題は「結果」を予測する問題であり、「原因」を直接求めるものではない。
確率	事象が起こる可能性を数値化したもの。	確率は分類問題やベイズ統計に使われる概念であり、回帰問題では確率を予測対象としない。
最適解	最も望ましい解や答え。数理最適化の用語。	回帰は特定の条件に対する「予測値」を出すものであり、必ずしも「最適解」を導くわけではない。

ここで、回帰問題がどのように実務で使われているかを見てみよう。

企業では過去の売上データと市場要因を使って、次月の売上額を予測する。
これは典型的な回帰分析の事例である。

間取り・築年数・駅からの距離などを入力にして、物件の推定価格を出す。
多くの不動産ポータルサイトで使われている手法だ。

血液検査データから肝機能の数値を予測したり、リスクスコアを算出したりする。
数値を扱う点で回帰問題として分類される。

G検定では、基本的な用語の意味を正しく理解する力が問われる。
今回の問題に関して言えば、次の点をしっかり押さえておこう。

✅ 回帰問題は「数値」を予測するタスクである
✅ 分類問題との違いを理解することが重要
✅ 問題文のキーワード「予測」に注目して選択肢を吟味する
✅ 他の選択肢がなぜ誤りかを説明できるようにしておく

G検定合格を目指すうえで、「回帰」と「分類」の違いは何度も問われる基本中の基本だ。
必ず理解して、自信を持って解答できるようにしておこう。