DS検定トップ
＞ ロジスティック回帰とは？（オッズ・対数オッズから理解する）【DS検定】
## まず結論
ロジスティック回帰とは、「ある事象が起こる確率」を予測するための分類手法です。
DS検定では「回帰という名前だが分類に使う」という点と、「オッズ・対数オッズ・シグモイド関数」の関係を理解しているかが問われます。
## 直感的な説明
たとえば、
- この顧客は商品を買うか？
- このメールは迷惑メールか？
- この取引は不正か？
のように、「Yes / No」を予測したい場面があります。
ここで問題になるのは、
**予測結果を“確率”として出したい**という点です。
単純な直線（通常の回帰）だと、
予測値がマイナスになったり、1を超えたりしてしまいます。
そこで、
1. まず「確率」を「オッズ」に変換する
2. さらに「対数」を取って直線で扱える形にする
3. 最後にシグモイド関数で0〜1に戻す
という流れを使います。
この流れ全体がロジスティック回帰です。
## 定義・仕組み
### ① オッズとは？
確率を p とすると、オッズは
$$
p / (1 - p)
$$
です。
意味は
「起こる確率 ÷ 起こらない確率」
です。
たとえば、
- 起こる確率 0.8
- 起こらない確率 0.2
なら、オッズは 4 です。
「4倍起こりやすい」という解釈になります。
### ② 対数オッズ（ロジット）
オッズに対数を取ったものを対数オッズといいます。
$$
log(p / (1 - p))
$$
これをロジット関数と呼びます。
なぜ対数を取るのか？
- オッズは 0〜∞
- 対数を取ると −∞〜＋∞
つまり、
**直線モデルで扱える形に変換できる**のです。
### ③ シグモイド関数
ロジットの逆関数がシグモイド関数です。
$$
σ(x) = 1 / (1 + e^{-x})
$$
この関数の特徴は、
- 出力が必ず 0〜1 の範囲
- S字カーブになる
- 中心は 0.5
です。
ロジスティック回帰は、
- 入力を直線で計算
- それをシグモイド関数に通す
- 確率に変換する
という仕組みになっています。
DS検定では
「ロジスティック回帰とシグモイド関数の関係」が問われることが多いです。
## どんな場面で使う？
### 使う場面
- 二値分類（Yes / No）
- 発生確率を出したいとき
- ビジネスで意思決定に使うとき
例：
- 購買確率
- 解約確率
- 不正発生確率
確率として出るため、
**優先順位付けやリスク管理に使いやすい**のが特徴です。
### 使うと誤解しやすい場面
- 数値予測（売上金額など）には向かない
- 多クラス分類ではそのまま使えない（拡張が必要）
DS検定では
「連続値予測に使う」と書いてあれば誤りです。
## よくある誤解・混同
### ① 回帰だから数値予測？
名称に「回帰」が入っていますが、
実際は分類手法です。
DS検定ではここをよく混同させてきます。
### ② シグモイド関数＝ロジスティック回帰？
厳密には、
- シグモイド関数は“変換関数”
- ロジスティック回帰は“モデル全体”
です。
「シグモイド関数そのものが学習モデル」と書いてあれば誤りです。
### ③ オッズと確率の混同
- 確率は 0〜1
- オッズは 0〜∞
DS検定では
「オッズは確率そのもの」と書いてあれば誤りです。
## まとめ（試験直前用）
- ロジスティック回帰は二値分類の手法
- 確率 → オッズ → 対数オッズで直線化する
- シグモイド関数で 0〜1 に戻す
- 「回帰」という名前だが分類で使う
迷ったら、
**確率を直線で扱うための変換モデル**
と覚えておくと判断できます。
## 対応スキル項目（AI利活用スキルシート）
- AIを理解する力
- 機械学習の基礎理解
- ★ 代表的な機械学習手法の特徴を理解している