人工知能（AI）における回帰問題とは、過去のデータに基づき、連続的な数値を持つ未来の結果を予測するための機械学習のタスクです。これは、結果が「はい」か「いいえ」のような分類されたカテゴリに属する分類問題とは根本的に異なります。

回帰問題の目的は、入力データと出力データ間の関係性を学習し、まだ見ぬ新しい入力データに対して、その出力値がいくつになるかを正確に推定するモデルを構築することです。

具体的な例としては、過去の住宅の広さや築年数、立地といった情報から、その販売価格を予測したり、ある日の気温や湿度、風速などのデータから翌日の電力需要の数値を予測したりするケースが挙げられます。

モデルは、訓練データセットに含まれる既知の入力と出力のペアを用いて、両者の間に存在するパターンや傾向を識別します。この学習を通じて、入力データが変化したときに、予測される出力値がどのように変動するかを捉える関数のようなものを内部的に構築します。

このモデルの性能を評価するためには、実際の正解の数値とモデルが予測した数値との間の誤差を測る指標が用いられます。この誤差が小さいほど、その回帰モデルは現実の事象をよく捉え、高い予測精度を持っていると見なされます。

回帰分析は、経済予測、金融分析、需要予測、医療診断など、多岐にわたる分野で定量的な意思決定を支援する上で不可欠な技術となっています。