DS検定 用語解説
ロジスティック回帰分析とは
事象が起きる確率を推定し、二値分類などに用いる回帰分析。
ロジスティック回帰分析の意味と見分け方
ロジスティック回帰分析は、DS検定の「第5章 データ準備・可視化技法とモデル化」に出てくる用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「第5章 データ準備・可視化技法とモデル化」の問題で、取り違えやすい組み合わせです。
- 標本誤差とサンプリングバイアスの混同。標本誤差は標本抽出に伴う偶然のばらつき、サンプリングバイアスは抽出方法の偏りによる系統的な誤差。
- 過学習を『精度が高いこと』と誤解する。訓練データに過剰適合し未知データへの汎化性能が下がる問題として理解する必要がある。
- Precision（適合率）とRecall（再現率）の取り違え。目的（見逃しを減らしたいか、誤検知を減らしたいか）によって重視する指標が変わる。
関連する確認問題
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
広告費という一つの説明変数から売上という目的変数との関係を回帰式で表したい。最も適切な分析はどれか。
正解は「単回帰分析」である。単回帰分析は、一つの説明変数と目的変数の関係を回帰式で表す分析である。設問では説明変数が広告費の一つだけで、売上との関係を表したいため単回帰分析を使う。重回帰分析は複数の説明変数を同時に扱う。ロジスティック回帰分析は事象が起きる確率を推定し二値分類などに用いる。クラスター分析は正解ラベルなしで似た対象をグループ化する。予測対象が連続的な売上か、説明変数が一つか複数かという二つの条件を順に確認する。広告費以外の説明変数が追加された場合には重回帰分析との区別が必要になるが、この設問では一変数であることが決め手になる。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
回帰直線の係数を、観測値と予測値の差である残差の二乗和が最も小さくなるように求める方法はどれか。
正解は「最小二乗法」である。最小二乗法は、観測値と予測値の差である残差を二乗し、その合計が最小になるように回帰式の係数を求める方法である。設問は回帰直線の係数を決める目的関数として残差の二乗和を使っているため最小二乗法に一致する。ロジスティック回帰分析は分類確率を扱うモデル、交差検証はデータ分割を変えながらモデルを評価する方法、勾配ブースティングは弱い学習器を順次組み合わせる手法である。何を最小化して係数を求めるかを確認する。残差をそのまま足さず、二乗して合計する点が名称を判断する手掛かりになる。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
顧客を購買パターンの近さでグループに分け、正解ラベルなしで似た顧客のまとまりを見つけたい。使う手法はどれか。
正解ラベルなしで似た顧客のまとまりを見つけたいので、ラベルを使わない教師なし学習の手法が必要になる。正解は「クラスター分析」である。クラスター分析は、データの近さをもとに似たものどうしをグループに分ける。「ロジスティック回帰分析」は確率を予測する分類、「単回帰分析」と「重回帰分析」は値を予測する回帰であり、いずれも正解となるラベルや値を使う教師あり学習である。したがって、ラベルなしでグループを見つける設問の手法は、クラスター分析である。
同じ章で確認したい用語
到達チェック
- ロジスティック回帰分析を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、ロジスティック回帰分析に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: AI資格ドリル編集部（運営者情報を見る）