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/studio-module-reference/linear-regression 回帰は、アイテムの特徴に基づいて数値ラベルを予測するために使用される機械学習の形式です。
https://docs.microsoft.com/en-us/learn/modules/create-regression-model-azure-machine-learning-designer/introduction

参照：
https://docs.microsoft.com/en-us/azure/machine-learning/team-data-science-process/create-features

参照：
https://developers.google.com/machine-learning/practica/image-classification
https://docs.microsoft.com/en-us/dotnet/machine-learning/tutorials/object-detection-model-builder
https://nanonets.com/blog/how-to-do-semantic-segmentation-using-deep-learning/

Explanation: