目標は、新しい未知のデータをうまく一般化する、トレーニングされた (適合された) モデルを作成することです。近似されたモデルは、保持されたデータセット (検証データセットとテスト データセット) からの「新しい」例を使用して評価され、新しいデータを分類する際のモデルの精度が推定されます。
https://en.wikipedia.org/wiki/Training,_validation,_and_test_sets#:~:text=Training%20dataset,- A%20training%20dataset&text=The%20goal%20is%20to%20Produce,accuracy%20in%20classifying% 20新しい%20データ。

説明

最も基本的な意味では、回帰とは数値目標の予測を指します。
線形回帰では、1 つ以上の独立変数と数値結果または従属変数との間に線形関係を確立しようとします。
このモジュールを使用して線形回帰手法を定義し、ラベル付きデータセットを使用してモデルをトレーニングします。トレーニングされたモデルを使用して予測を行うことができます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/algorithm-module-reference/linear-regression
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/machine-learning-initialize-m

名、姓、年齢、教育レベルが特徴です。収入範囲はラベル (予測したいもの) です。姓と名は収入に関係ないので無関係です。年齢と教育レベルは、使用する必要がある機能です。

参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/home カスタム ビジョン - これは、ユーザーが提供したデータを使用したモデルの構築/トレーニングに役立つコンピューター ビジョン サービスの一種です。 Custom Vision を使用した物体検出ソリューションは、3 つの主要なタスクで構成されます。まず、画像のアップロードとタグ付けを使用する必要があります。次に、モデルをトレーニングします。最後に、クライアント アプリケーションが予測を生成するためにモデルを使用できるように、モデルを公開する必要があります。
https://docs.microsoft.com/en-us/learn/modules/detect-objects-images-custom-vision/2-object-detection-azure