DS検定 用語解説
回帰係数とは
説明変数の変化に対して目的変数がどのように変化するかを回帰式で表す係数。
まず押さえる結論
回帰係数は、DS検定の「第5章 データ準備・可視化技法とモデル化」で確認しておきたい用語です。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。 一次情報確認日: 2026-07-12。
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
×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
重回帰分析で、広告費以外の説明変数を一定に保ったとき、広告費が1単位増えることに伴う売上の変化を表す係数はどれか。
正解は「偏回帰係数」である。偏回帰係数は、重回帰分析において他の説明変数を一定に保った条件で、特定の説明変数が1単位変化したときの目的変数の変化を表す。設問は他の要因を固定し、広告費だけの影響を読んでいるため偏回帰係数を選ぶ。ピアソンの相関係数は二変数の線形な関連の強さと向きを表し、因果的な影響量を直接示さない。決定係数はモデルが目的変数の変動をどの程度説明するかを表す。回帰係数は広い呼称だが、複数の説明変数のうち他を固定した一変数の係数という条件では偏回帰係数が具体的である。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
ニューラルネットワークの各ユニットで、入力の重み付き和を非線形な値へ変換し、複雑なパターンを学習できるようにするものはどれか。
正解は「活性化関数」である。活性化関数は、ニューラルネットワークのユニットで入力の重み付き和を受け取り、非線形な出力へ変換する関数である。非線形変換を層の間に入れることで、線形変換を重ねるだけでは表しにくい複雑な関係を学習できる。回帰係数は説明変数と目的変数の関係を回帰式で表す係数、標準化はデータの尺度をそろえる前処理、Accuracyは全分類件数に占める正解件数の割合を表す評価指標である。ユニット内部の変換という役割に着目する。入力前の処理や学習後の評価とは処理される段階が異なる。
同じ章で確認したい用語
他資格でも出題される用語
到達チェック
- 回帰係数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、回帰係数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: ミナト編集部（運営者情報を見る）