回帰と分類とは【図解でわかりやすく】

最終更新日：2026年7月14日

30秒でわかる結論

回帰と分類は教師あり学習の2大タスク。回帰＝連続する数値を予測（売上金額・気温・株価）、分類＝カテゴリのどれかに振り分ける（スパムか否か・病気の種類）。見分け方は「答えに小数点がありえるか？」。アリ→回帰、ナシ→分類。実装ではロジスティック回帰（分類）と線形回帰（回帰）が代表的で、名前に惑わされないよう注意。

答えが「数値」なら回帰、「どれか（カテゴリ）」なら分類。

回帰と分類はG検定・ITパスポートともに必須の概念です。例で区別をつけましょう。

図解

解説

見分けるポイントは「当てたい答えの形」です。回帰＝連続する数値を予測する（金額・気温・身長など）。分類＝カテゴリのどれかに振り分ける（AかBか、犬か猫か）。迷ったら「答えに小数点がありえるか？」と考えましょう。売上523.5万円はアリ（回帰）、犬1.5匹はナシ（分類）です。気温23.5度はアリ（回帰）、りんご1.5個はナシ（分類）というように、いろいろな例で確認すると確実に判別できるようになります。

具体例

回帰の例：①来月の電力需要量（MW）を予測する、②中古住宅の売却価格（万円）を推定する、③明日の気温（℃）を予測する——いずれも答えが連続した数値。分類の例：①メールをスパム/通常に振り分ける、②手書き文字を0〜9の数字に識別する、③腫瘍の画像を良性/悪性に判定する——いずれも答えが決まったカテゴリのどれか。

間違えやすい類似用語

ロジスティック回帰：名前に「回帰」とついているが実際は「分類」アルゴリズム。確率（0〜1）を出力してそれをもとにカテゴリ判定する。試験では「ロジスティック回帰は回帰か分類か？→分類」という引っかけが頻出。
教師あり学習：回帰と分類はどちらも「正解ラベルが必要な教師あり学習」の一種。教師あり学習には回帰と分類しかないわけではないが（順位学習など）、試験では「教師あり学習＝回帰か分類」と覚えて問題ない。