ロジスティック回帰入門 — 確率で分類するシンプルな手法

ロジスティック回帰は、名前に「回帰」とつきますが実際には分類アルゴリズムです。データの特徴量から「あるクラスに属する確率」を計算し、その確率をもとに分類を行います。機械学習の分類手法の中で最も基本的かつ広く使われている手法の一つです。

シグモイド関数で確率を出力する仕組み

ロジスティック回帰の核となるのがシグモイド関数です。各特徴量に重みを掛けて合計したスコアを、シグモイド関数に通すことで 0〜1 の確率値に変換します。例えば「この顧客が離脱する確率は 82%」のように、単なる Yes / No ではなく確信度も得られます。二値分類だけでなく、ソフトマックス関数を使えば3つ以上のクラスに対応する多クラス分類も可能です。

どんなときに使うべきか

ロジスティック回帰は、データが線形に分離できる（直線や平面で分けられる）場合に高い精度を発揮します。また、各特徴量の重みがそのまま「どの変数がどれだけ結果に影響しているか」を示すため、結果の解釈性・説明性が求められるビジネスシーンに最適です。医療診断、与信審査、マーケティングのターゲティングなど、判断理由の説明が必要な場面で広く使われています。