---
title: "回帰と分類の違い（評価指標の選び方）"
description: "回帰と分類の違いを、数値を予測する問題とカテゴリを当てる問題の切り分けとして整理します。評価指標の選び方とG検定で迷いやすい判断ポイントを確認できます。本文では、基本定義、代表例、関連用語との違い、G検定で問われやすい観点まで短時間で復習できます。"
last_modified_at: "2026-05-15"
canonical_url: "https://stemtazoo.github.io/gk/regression-vs-classification/"
section: "gk"
---

## まず結論

**評価指標は「モデルの良し悪し」ではなく、「問題設定」によって決まります。**

* **数値を予測する** → 回帰 → RMSE / MAE / R²
* **カテゴリを当てる** → 分類 → Accuracy / Precision / Recall / F1

G検定では、
👉 **「回帰か？分類か？」を最初に切り分ける**ことが最重要です。

---

## 直感的な説明

モデルがやっていることは、大きく2種類だけです。

* **回帰**：

  * 売上はいくら？
  * 気温は何度？
  * 価格はいくら？

* **分類**：

  * 合格 / 不合格
  * 正常 / 異常
  * 犬 / 猫

👉 **答えが「数値」か「ラベル」か**
これで評価指標はほぼ決まります。

---

## 定義・仕組み

### 回帰（Regression）

* 連続値を予測する問題
* 予測値と正解値の **ズレ（誤差）** を評価

代表的な指標：

* MSE / RMSE
* MAE
* R²

---

### 分類（Classification）

* クラス（カテゴリ）を予測する問題
* 正解・不正解、当たり方のバランスを評価

代表的な指標：

* Accuracy
* Precision / Recall
* F1-score
* ROC-AUC

---

## いつ使う？（G検定視点）

| 観点     | 回帰              | 分類                      |
| ------ | --------------- | ----------------------- |
| 出力     | 数値              | クラス                     |
| 誤差の考え方 | 予測値と正解の差        | 正解 / 不正解                |
| 主な評価指標 | RMSE / MAE / R² | Precision / Recall / F1 |

---

## G検定ひっかけポイント

### ① 数値なのに Accuracy を選ばせる

❌ 不正解。

* Accuracy は **分類専用**
* 回帰で使うことはない

👉 「価格」「温度」「売上」が出たら Accuracy は切る

---

### ② クラスなのに RMSE / MAE を選ばせる

❌ 不正解。

* RMSE / MAE は **回帰専用**

👉 「Yes / No」「正常 / 異常」が出たら RMSE は切る

---

### ③ 不均衡データ問題

* 正解率（Accuracy）だけだと誤解を招く
* Precision / Recall / F1 を使う

👉 **分類でも指標選択が重要**

---

## まとめ（試験直前用）

* **数値予測** → 回帰 → RMSE / MAE / R²
* **ラベル予測** → 分類 → Precision / Recall / F1
* 最初に「回帰か分類か」を判断する

👉 **評価指標は問題設定で決まる**