はじめに

「機械学習」という言葉を最近よく耳にするかと思います。今回は、その中でも基礎的な「線形回帰」について、簡単にご説明します。例として、アイスクリームの売上と気温の関係を使って、線形回帰がどう機能するのかを見ていきましょう。

線形回帰ってなに？

線形回帰は、２つのデータの関係性を直線で表現する手法です。例えば、気温が高くなるとアイスクリームの売上が上がると感じたことはありませんか？線形回帰を使えば、気温とアイスクリームの売上の関係を数学的に直線で示すことができます。

どうやって直線を引くの？

実際のデータ点をプロットして、それらの点を最もよく通る直線を引くことを考えます。この直線を「回帰直線」と呼びます。

例として、以下のような気温とアイスクリームの売上のデータを考えます。

気温 = [22, 25, 28, 30, 33]
売上 = [150, 200, 250, 275, 320]

これをグラフにプロットすると、気温が上がるにつれて、売上も上がることが見て取れます。線形回帰を使用すると、このデータに最も合う直線を引くことができます。

データを元に予測する

直線が引けたら、その直線を使って新しい気温の時の売上を予測することができます。例えば、気温が 27 度のときの売上を知りたい場合、回帰直線に沿って予測することができます。

まとめ

線形回帰は、２つの変数の関係を直線で示す手法です。今回は気温とアイスクリームの売上を例に挙げましたが、実際のビジネスの現場でも、販売データやユーザーの行動など、さまざまなデータの間の関係を調査するために使用されます。この基本的な概念を理解することで、機械学習のより高度な技術にも繋がっていきます。