回帰(かいき、(英: regression)とは、統計学において、Y が連続値の時にデータに Y = f(X) というモデル(「定量的な関係の構造[1]」)を当てはめること。別の言い方では、連続尺度の従属変数(目的変数)Y と独立変数(説明変数)X の間にモデルを当てはめること。X が1次元ならば単回帰、X が2次元以上ならば重回帰と言う。Y が離散の場合は分類と言う。 回帰分析(かいきぶんせき、(英: regression analysis)とは、回帰により分析すること。 回帰で使われる、最も基本的なモデルは という形式の線形回帰である。 「回帰」という用語は、英語の「regression」からの翻訳であるが、元々は生物学的現象を表すために19世紀にフランシス・ゴルトンによって造られた。ゴルトンは、背の高い祖先の子孫の身長が必ずしも遺伝せず、先祖返りのように平均値に戻っていく、すなわち「
![回帰分析 - Wikipedia](https://cdn-ak-scissors.b.st-hatena.com/image/square/3c85b73d468d2787d4c635d761c1b10f8342ee68/height=288;version=1;width=512/https%3A%2F%2Fupload.wikimedia.org%2Fwikipedia%2Fcommons%2Fthumb%2F3%2F3a%2FLinear_regression.svg%2F1200px-Linear_regression.svg.png)