インタラクティブ回帰デモ (Regression)

機械学習の基本タスク：「回帰」とは？

回帰 (Regression) は、入力されたデータから連続的な数値を予測する、機械学習の非常に基本的なタスクです。「身長」と「体重」の関係のように、ある変数（説明変数）が別の変数（目的変数）にどう影響するかを数式でモデル化します。

回帰のポイント

• 目的: データ全体の傾向（トレンド）を捉え、その関係性を数式で表現すること。これにより、未知のデータに対する予測が可能になります。
• 出力: 連続的な数値 (例: 170.5 cm, 85,000円, 25.3℃)。ピッタリとしたカテゴリではなく、無段階の値を取ります。
• 身近な例:
  • 不動産価格の予測: 家の広さ、築年数、立地から価格を予測する。
  • 売上予測: 広告費、季節、過去の売上から将来の売上を予測する。
  • 気温予測: 日時、風速、湿度から数時間後の気温を予測する。

このデモの動き

このデモでは、あなたがクリックして配置した点（データ）の分布を最もよく表す直線（線形回帰モデル）を自動で計算しています。このモデルは、データ全体の関係性を y = ax + b という単純な一次関数の数式で表現しようとします。「学習」とは、この a (傾き) と b (切片) の最適な値を見つけるプロセスです。

線が引かれた後、マウスをキャンバス上で動かすと、そのX座標に対応する予測値Yがリアルタイムで表示されます。これは、学習したモデルを使って未知のデータに対する予測を行っていることを示しています。