用語比較
回帰と分類の違い（予測するものが数か区分か）｜G検定で整理する
回帰と分類の違いは、予測するものが連続値かカテゴリかです。回帰は連続した数値を予測し、分類は離散的なラベル（区分）を予測します。どちらも、正解ラベル付きのデータで学ぶ教師あり学習に含まれます。
scikit-learn公式ドキュメントは、近傍法の説明で、教師あり学習を「離散ラベルのデータには分類、連続ラベルのデータには回帰」と分けています。G検定では、設問が求める答えが数か区分かを先に決めると、手法と評価指標を選びやすくなります。
このページは、手法の名前（線形回帰、ロジスティック回帰、決定木など）と、回帰か分類かの対応が曖昧な人を対象にしています。手法そのものの違いは、線形回帰とロジスティック回帰の違いのページで扱います。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。
結論
回帰
連続した値を予測する。評価には平均二乗誤差（MSE）や平均絶対誤差（MAE）など、予測値と真の値の差を測る指標を使う。
分類
離散的なラベル（区分）を予測する。評価には正解率、適合率、再現率、F値、ROC曲線などを使う。
両方に使える手法
近傍法、サポートベクターマシン、ランダムフォレストなどは、分類にも回帰にも使える。手法名だけで回帰か分類かは決まらない。
違いを表で確認
| 比較軸 | 回帰 | 分類 |
|---|---|---|
| 予測するもの | 回帰: 連続値の目的変数 | 分類: 離散的なラベル（クラス） |
| 近傍法での予測の決め方 | 回帰: 近傍のラベルの平均 | 分類: 近傍の多数決 |
| 評価に使う指標 | 回帰: 平均二乗誤差（MSE）、平均絶対誤差（MAE）、決定係数（R2）など | 分類: 正解率、適合率、再現率、F値、混同行列、ROC曲線・AUCなど |
| 代表的な手法 | 回帰: 線形回帰、リッジ回帰、ラッソ回帰 | 分類: ロジスティック回帰（名前に反して分類） |
| どちらにも使える手法 | 回帰: サポートベクターマシン、ランダムフォレスト、近傍法の回帰版 | 分類: サポートベクターマシン、ランダムフォレスト、近傍法の分類版 |
G検定の学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
どこで迷っているかを切り分ける
名前に「回帰」と付く手法を全部回帰だと思う人
ロジスティック回帰は、scikit-learn公式ドキュメントの用語では回帰でなく分類のための線形モデルです。手法名ではなく、予測するものが連続値かカテゴリかで判断します。
ランダムフォレストを分類専用だと思っている人
ランダムフォレストは、複数の決定木を組み合わせて分類・回帰を行う手法です。バギングでは、分類タスクなら多数決、回帰タスクなら平均値を取って最終的な予測を出します。
評価指標を回帰と分類で取り違える人
正解率や適合率は、予測したラベルが合っているかを数える分類の指標です。回帰では、予測値と真の値の差を測る平均二乗誤差や平均絶対誤差を使います。
具体例で使い分ける
例 1
回帰の評価（平均絶対誤差と平均二乗誤差）
真の値が3、-0.5、2、7で、予測値が2.5、0.0、2、8だったときの誤差を測る場面です（scikit-learn公式ドキュメントの例）。
- 差は順に0.5、0.5、0、1です。
- 平均絶対誤差は差の絶対値の平均なので、(0.5+0.5+0+1)÷4=0.5です。
- 平均二乗誤差は差の二乗の平均なので、(0.25+0.25+0+1)÷4=0.375です。
結論: 回帰では、予測値と真の値の差で誤差を測ります。
例 2
分類の評価（正解率）
正解ラベルが1、0、1、1で、予測ラベルが1、0、0、1だったときの正解率を求める場面です。
- 4件のうち、一致したのは1件目、2件目、4件目の3件です。
- 正解率は、正しく予測できた件数を全件数で割るので、3÷4=0.75です。
- 数値の差ではなく、ラベルが一致したかどうかを数えています。
結論: 分類では、ラベルが合っているかどうかで評価します。
例 3
近傍法で回帰と分類を使い分ける
同じ近傍法で、ラベルが連続値のときと離散ラベルのときの予測の決め方を比べる場面です。
- ラベルが連続値なら、近傍法による回帰を使い、近傍のラベルの平均を予測値にします。
- ラベルが離散なら、近傍法による分類を使い、近傍で最も多いクラスに割り当てます。
結論: 同じ手法でも、ラベルの種類で回帰と分類が分かれます。
問題文から答えを選ぶ手順
- 1
答えの形を確認する
求めるのが連続した数値なら回帰、あらかじめ決まった区分のどれかなら分類です。
- 2
手法名に引きずられない
名前に回帰と付いても、ロジスティック回帰は分類です。サポートベクターマシンやランダムフォレストは回帰にも分類にも使えるので、名前ではなく、設問が予測するものが数か区分かで判断します。
- 3
評価指標を対応させる
平均二乗誤差や平均絶対誤差なら回帰、正解率・適合率・再現率・F値・ROC曲線なら分類の評価です。
- 4
設問のキーワードで確かめる
連続値、誤差、残差が出てきたら回帰の問題です。クラス、ラベル、混同行列、しきい値が出てきたら分類の問題です。
試験での見分け方
- 1回帰は連続値を予測し、分類は離散的なラベルを予測する。
- 2近傍法では、回帰は近傍のラベルの平均、分類は近傍の多数決で予測する。
- 3回帰の評価は平均二乗誤差や平均絶対誤差など、分類の評価は正解率や適合率、再現率、F値などを使う。
- 4ロジスティック回帰は、名前に反して分類のための手法。
- 5サポートベクターマシンやランダムフォレストは、分類にも回帰にも使える。
誤答しやすい選択肢
ロジスティック回帰を回帰の手法として答える
修正: scikit-learn公式ドキュメントは、ロジスティック回帰を名前に反して回帰ではなく分類のための線形モデルと説明しています。
回帰のモデルを正解率で評価しようとする
修正: 正解率はラベルが一致した割合です。連続値の予測では、平均二乗誤差や平均絶対誤差のように差を測る指標を使います。
ランダムフォレストは分類だけに使えると考える
修正: ランダムフォレストは分類・回帰の両方を行う手法です。分類では多数決、回帰では平均値で最終的な予測を出します。
ラベルが数字なら必ず回帰だと考える
修正: ラベルが1と0のように区分を数字で表しているだけなら、離散的なラベルなので分類です。数の大小や差に意味がある値なら回帰です。
確認問題
Q1近傍法で、ラベルが連続値のときに近傍のラベルの平均を予測値にするのは、回帰と分類のどちらか。
答え: 回帰
近傍法による回帰は、近傍のラベルの平均から予測値を計算します。分類は近傍の多数決です。
Q2真の値が[3, -0.5, 2, 7]、予測値が[2.5, 0.0, 2, 8]のときの平均絶対誤差は？
答え: 0.5
差の絶対値は0.5、0.5、0、1で、合計2を4で割ると0.5です。
Q3正解ラベルが[1, 0, 1, 1]、予測ラベルが[1, 0, 0, 1]のときの正解率は？
答え: 0.75（4件中3件が一致）
分類の評価は、ラベルが一致した割合を数えます。
到達チェック
- 回帰と分類を、予測するものが連続値かカテゴリかで説明できる
- 回帰と分類で、評価に使う指標が分かれることを説明できる
- ロジスティック回帰が分類の手法だと説明できる
- 分類にも回帰にも使える手法を挙げられる
関連ページで確認する
同じ資格で次に知りたいこと
- 仮名加工情報と匿名加工情報の違い
仮名加工情報と匿名加工情報の違いを、個人情報保護法の定義、復元できるかどうか、第三者提供の可否、G検定での判断手順と確認問題まで解説します。
- 勾配消失問題と勾配爆発問題の違い（原因と対策）｜G検定で整理する
G検定の誤差逆伝播で出る勾配消失問題と勾配爆発問題の違いを、勾配が小さくなるか大きくなるかという現れ方、起こりやすい場面、ReLU・スキップ結合・LSTM・勾配クリッピングなどの対策、確認問題つきで整理します。
- 営業秘密と限定提供データの違い
営業秘密と限定提供データの違いを、不正競争防止法上の3要件、刑事罰の有無、G検定での判断手順と確認問題まで解説します。
よくある質問
Q回帰と分類の違いは？
回帰は連続値を予測し、分類は離散的なラベルを予測します。どちらも教師あり学習に含まれます。
Qロジスティック回帰は回帰ですか、分類ですか？
scikit-learn公式ドキュメントは、名前に反して回帰ではなく分類のための線形モデルと説明しています。
Q回帰と分類で、評価の指標は違いますか？
違います。scikit-learn公式ドキュメントは評価関数を分類と回帰に分けて載せ、分類には正解率やF値、回帰には平均二乗誤差や平均絶対誤差などが並びます。
Q回帰と分類はG検定の出題範囲ですか？
公式シラバスは、教師あり学習、線形回帰、ロジスティック回帰、混同行列、正解率、適合率、再現率、F値、ROC曲線、AUCなどをキーワードに挙げています。回帰と分類の区別は、これらの手法や評価指標を答えるための前提です。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: ミナト編集部（運営者情報を見る）