回帰

回帰とは

機械学習モデルの一般的なタイプの 1 つである回帰は変数間の関係を推定します。分類モデルは観察が属するカテゴリを特定しますが、回帰は数値を推定します。

機械学習とデータサイエンスの文脈では、回帰とは、連続従属変数の推定または入力変数（特徴量）のリストからの応答を指します。回帰には複数の手法があり、最も単純なもの（線形回帰）から複雑な伝統的統計回帰モデル（Lasso、Elastic Net など）、さらにはより複雑な勾配ブースティングやニューラルネットワークといった手法までさまざまです。

回帰が重要である理由

さまざまな現実への応用を含め、連続する数値を伴う機械学習の問題には回帰が欠かせません。

• 住宅価格や株価の予測などのあらゆる金融予測
• 自動車の検査
• 気象分析
• 時系列予測

回帰 + DataRobot

回帰は一般的なアルゴリズムの 1 つですが、従来のデータサイエンス手法やツールで回帰モデルを作成するには、未だに大掛かりな手作業が必要です。DataRobot プラットフォームは、いくつかのボタンをクリックするだけでデータセットの回帰分析を自動化します。

DataRobot の機械学習自動化プラットフォームは、データセットのターゲット変数に基づいて、回帰と分類のどちらがタスクに適しているのかを自動的に決定します。また、回帰分析と可視化ツールに欠かせない誤差指標とパラメーターを提供するため、ユーザー（およびその上司）によるモデルの結果とインサイトの理解が促進されます。