---
title: "ポアソン回帰とは？（カウントデータ）G検定対策"
description: "ポアソン回帰（カウントデータ）について、G検定で問われるAI・機械学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/poisson-regression/"
section: "gk"
---

## まず結論

* **ポアソン回帰（Poisson Regression）**は、「一定時間・一定区間で発生する**回数（カウントデータ）**」を予測するための回帰手法です。
* G検定では「**どのような対象に使えるか／使えないか**」を問われます。

## 直感的な説明

* ポアソン回帰が得意なのは、

  * 交通事故の**発生件数**
  * 不良品の**発生個数**
  * 病気の**発症件数**
    のような「**めったに起こらない出来事の回数**」です。
* 一方で、

  * サイコロの出目
    のように「**あらかじめ確率が決まっている離散値**」は向いていません。

## 定義・仕組み

* ポアソン回帰は、目的変数が**ポアソン分布**に従うと仮定します。
* 特徴量の線形結合を **対数リンク関数（log）** で結び、
  予測される値は **必ず0以上** になります。
* そのため「回数」「件数」の予測に適しています。

## いつ使う？（得意・不得意）

### 得意なケース

* 交通事故の発生件数
* 不良品の発生個数
* 病気の発症件数

### 不得意なケース

* 割合・確率（0〜1）を直接予測する問題
* サイコロの出目のように、
  発生確率が均等で事前に決まっている事象

## G検定ひっかけポイント

* **最大のひっかけ**

  * 「サイコロを振ったときの出目の予測」→ ❌
* 正しい理解

  * ポアソン回帰は「**発生回数**」を扱う
* よくある混同

  * ロジスティック回帰：確率・割合
  * ポアソン回帰：件数・回数
* 選択肢で

  * 「発生件数」→ ⭕
  * 「出目の予測」→ ❌

## まとめ（試験直前用）

* ポアソン回帰はカウントデータ用
* 目的変数は0以上の整数
* 件数・回数がキーワード
* サイコロの出目は対象外