サイバーエージェント、Snowflake上のAI予測モデルでクーポン原資を最大70%削減
サイバーエージェントは、購買データをもとにAIモデルで最適な値引き対象と金額を予測する仕組みをSnowflake上に構築しました。売上を維持しながらクーポン原資を最大70%削減し、機械学習モデルの実務適用で成果を上げている事例です。
機械学習の回帰モデルとは：種類、使い分け、評価指標
回帰モデルは、変数間の関係をモデル化することで連続値の予測を可能にし、売上や需要の予測からリスクアセスメント、予兆保全に至るまで、エンタープライズのさまざまな意思決定を支えています。本ガイドでは、主要な7手法の仕組みと使い分け、そして実務での活用例を解説します。
- 概要
- 機械学習における回帰とは
- 主要なML回帰手法とユースケース
- 回帰モデルに関するよくある質問
- Snowflakeを使用しているお客様の事例
- 関連リソース
概要
機械学習（ML）における回帰モデルは、高精度な数値予測機能を提供します。単一または複数の独立変数と従属変数の間の相互関係や統計的依存性をモデリングすることにより、線形回帰をはじめとする各種回帰手法は、売上高や株価、気温といった連続値の精緻な予測を可能にします。本ガイドでは、回帰分析の基本的な定義やメカニズムに加え、エンタープライズの現場で頻用される代表的な7つの回帰アルゴリズム、それらが解決する実務上のビジネス課題や実用例を詳しく解説します。
機械学習における回帰とは
回帰は、入力された特徴量と連続する目的変数との統計的関係性をモデリングする教師あり学習の手法です。回帰アルゴリズムは、多次元のデータセットに含まれる膨大な変数群を探索し、結果に最も重大な影響を与えるキー要因を特定します。回帰分析は予測的なユースケースにおける基盤技術であり、モデルを自社のデータセットに当てはめることで、従来の経験則や勘に頼った意思決定から脱却し、将来の成果やユーザー行動に影響を与える要因をデータドリブンに予測することが可能になります。
具体的な例として、機械学習において最も基本的かつ標準的な回帰アルゴリズムである単回帰（説明変数が1つの線形回帰）を用いて、広告費に基づく将来の売上予測を行うケースを挙げます。このケースにおいて、コントロール可能な調整因子である広告費が独立変数（説明変数）となります。一方、広告費の増減に応じて変動し、予測の対象となる売上高や収益額が従属変数（目的変数）となります。線形回帰モデルは、蓄積されたデータポイント群に対して統計的に最もフィッティングする直線（回帰直線）を算出します。独立変数と従属変数間の相関関係を数式化することで、最小の広告費で最大の収益効率を達成するために必要な最適解とデータインサイトを提供します。
主要なML回帰手法とユースケース
機械学習における回帰モデルには多様なアルゴリズムが存在し、データの特性、分布構造、およびビジネス上の予測要件に応じて最適な手法が選択されます。以下に、代表的な回帰モデルの定義と具体的な適用例を示します。
線形回帰
線形回帰は、既知のデータポイント群に基づいて一次方程式をあてはめ、未知の連続値を予測する統計解析手法です。従属変数と1つ以上の独立変数の間に直線的な相関関係を仮定してモデリングを行います。歴史的な実績データから傾向や規則性を抽出することに優れており、マーケティングや営業領域において顧客行動、利用頻度、価格設定、デモグラフィック属性が解約リスクに与える影響度を詳細に分析する場面で用いられます。特に複数の説明変数を組み込む重回帰分析は、顧客解約の主要因を定量的に可視化し、離脱予測の精度を高める上で有効です。
多項式回帰
多項式回帰は、データ内の複雑な変動パターンを捕捉するために線形回帰を拡張した機械学習手法です。従属変数と独立変数の関係性をn次多項式でモデリングします。データに対して非線形方程式をフィッティングさせることで、変数間の曲線的な相関関係や複雑な挙動を正確に捉えることが可能となり、高次元かつ複雑なデータセットの解析において高い有効性を発揮します。本手法は、リスク計算の精緻化が求められる金融サービスや損害保険領域で広く導入されています。加入者の年齢、過去の運転履歴、所有車両の属性データといった複数変数間の非線形な相互作用をモデル化することで、保険事業者は損害リスク評価の精度を大幅に向上させ、客観的かつデータに基づくアンダーライティング判断を実現できます。
リッジ回帰
リッジ回帰は、学習データに対するモデルの過剰適合を抑制するために適用される正則化手法の一種です。重回帰分析において、複数の独立変数の間に強い相関関係が存在する多重共線性（Multicollinearity / マルチコ）が生じた際、モデルの安定性を確保する有効なアプローチとなります。回帰係数の大きさにペナルティ（L2正則化項）を課すことで過度な適合を防止し、未知のデータに対する汎化性能を高めます。ヘルスケアおよびゲノム医療領域において、リッジ回帰は遺伝子情報、生活習慣データ、環境要因など、相互に複雑に関連し合う膨大な変数群から特定の疾患発症リスクとの相関関係を特定する用途で広く活用されています。高次元かつ多重共線性が生じやすい医療データセットから、個人の疾患リスクを高精度に予測する堅牢なモデルの構築を可能にします。
Lasso回帰（ラッソ回帰）
Lasso回帰（Least Absolute Shrinkage and Selection Operator）は、係数のスパース化（縮小）を伴う正則化手法（L1正則化）を組み込んだ線形回帰の応用モデルです。重要度の低い説明変数の回帰係数を完全にゼロへと収束させる特性を持つため、予測精度に寄与しない不要な変数や冗長な変数を自動的に除外する特徴量選択の用途で多く適用されます。高次元データセットから主要因子を抽出し、モデルの軽量化と可読性向上を同時に実現します。
Elastic Net回帰（エラスティックネット回帰）
Elastic Net回帰は、Lasso回帰のL1正則化（特徴量選択）とリッジ回帰のL2正則化（多重共線性の抑制）のペナルティ項を融合したモデルです。変数間の多重共線性に対処しつつ、寄与度の高い変数群を集約することで、双方のメリットを活かした高度な予測モデルを構築します。スポーツアナリティクスにおける選手成績、身体特性データ、試合コンディションの複合解析など多角的なデータが相互に関連し合う領域において、強い相関を持つ多数の変数を安定的に処理し、パフォーマンス評価や試合結果予測の精度向上に寄与します。
ロジスティック回帰
ロジスティック回帰は、名称に「回帰」を含みますが、連続値ではなく分類（2値の判定）を目的とする手法です。回帰の枠組みを用いて確率を推定するため、慣例的に回帰モデルの一種として扱われます。
ロジスティック回帰は、1つ以上の予測変数に基づき、2値（0または1、真または偽）の発生確率を算出するための統計手法です。独立変数のデータセットから指定されたイベントが起きる確率をシグモイド関数を用いて推定します。製造業における予兆保全領域では、稼働パターン、動作環境データ、ならびに過去のトラブル履歴などのパラメータから設備障害や故障の発生確率を算出するコア技術として機能します。高精度な発生確率の算出により、計画外停止のリスクを回避する予兆保全体制を確立し、保全コストの削減と稼働率の最大化を両立させます。
勾配ブースティング
なお、同じアンサンブル学習に分類されるランダムフォレストは、複数の決定木を並列に学習させて予測を平均する手法です。勾配ブースティングが誤差を逐次補正することで精度を追求するのに対し、ランダムフォレストは並列構造により過学習に強く、学習時間も短く抑えられます。
回帰モデルに関するよくある質問
回帰モデルの精度はどのように評価しますか？
回帰モデルの評価には、予測値と実測値の差（残差）に基づく指標を用います。代表的なものは次の3つです。
- 決定係数（R²）：モデルが目的変数の変動をどの程度説明できているかを0から1の範囲で示します。1に近いほど説明力が高いことを意味しますが、説明変数を増やすだけでも値が上がる性質があるため、重回帰では自由度調整済み決定係数を併用します。
- RMSE（二乗平均平方根誤差）：誤差を二乗して平均し平方根を取った値で、目的変数と同じ単位で解釈できます。二乗するため、大きく外れた予測の影響を強く受けます。
- MAE（平均絶対誤差）：誤差の絶対値の平均です。外れ値の影響を受けにくく、実務上の平均的なズレを把握したい場合に適しています。
指標の選択は業務要件によって決まります。大きな予測ミスが事業上の損失に直結する需要予測や在庫計画ではRMSEを重視し、外れ値が混在するデータで平均的な精度を把握したい場合はMAEが適しています。決定係数は単独では判断材料になりません。学習データでの決定係数が高くても、未知のデータで精度が出なければ過学習を起こしているためです。
ロジスティック回帰は回帰モデルですか、それとも分類モデルですか？
実務上の役割は分類モデルですが、構造上は回帰の枠組みを用いているため、慣例的に回帰モデルの一種として扱われます。線形回帰などの回帰モデルは、売上高や気温といった連続値をそのまま予測します。一方、ロジスティック回帰が出力するのは「その事象が起きる確率」で、これを0.5などのしきい値で区切って2値の判定に変換します。つまり最終的な出力は連続値ではなくカテゴリです。
それでも回帰と呼ばれるのは、内部では説明変数の線形結合を計算しており、その結果をシグモイド関数で0から1の範囲に変換しているだけだからです。係数の解釈方法も線形回帰と共通しており、どの変数が結果にどれだけ影響するかを読み取れます。
選定の目安として、予測したい対象が数量であれば回帰モデル、該当するかどうかの判定であればロジスティック回帰を選びます。設備が故障するまでの日数を予測するなら回帰モデル、今日故障するかどうかを判定するならロジスティック回帰です。
リッジ回帰とLasso回帰は、どちらを選べばよいですか？
残したい変数の扱い方で決まります。
- リッジ回帰（L2正則化）：すべての変数の係数を小さくしますが、ゼロにはしません。相関の強い変数群がある場合、それらに影響を分散させて安定させます。変数をすべて残したい場合や、多重共線性の解消が主目的の場合に適しています。
- Lasso回帰（L1正則化）：重要度の低い変数の係数を完全にゼロにします。結果として変数選択が自動的に行われ、モデルが軽量かつ解釈しやすくなります。説明変数が非常に多く、どれが効いているかを絞り込みたい場合に適しています。
判断に迷う場合は、まず「変数を減らしたいか」を確認します。減らしたいならLasso回帰、減らさずに安定させたいならリッジ回帰です。両方の性質が必要な場合、たとえば変数が多くかつ相関も強い場合は、双方のペナルティを組み合わせたElastic Net回帰が選択肢になります。
自己回帰モデルは回帰モデルと同じものですか？
異なります。何を説明変数にするかが根本的に違います。
通常の回帰モデルは、広告費や気温といった別の変数から目的変数を予測します。一方、自己回帰モデル（ARモデル）は、予測したい変数自身の過去の値を説明変数として使います。たとえば来月の売上を、先月と先々月の売上から予測するのが自己回帰です。このため自己回帰モデルは時系列データの分析に用いられ、ARIMAなどの時系列モデルの基礎になっています。なお、大規模言語モデル（LLM）が直前までのトークンから次のトークンを予測する仕組みも自己回帰と呼ばれ、同じ考え方に基づいています。
予測に使えるのが対象変数の過去の推移のみである場合は自己回帰モデル、外部の要因を説明変数として組み込みたい場合は通常の回帰モデルが適しています。
