このように、原因と結果の関係を数式でモデル化し、未来の数値を具体的に見通すために回帰分析が使われます。

原因となる変数が1つの場合を「単回帰分析」、複数の変数を組み合わせて予測する場合を「重回帰分析」と呼びます。回帰分析において回帰直線（予測式）を決定する際、一般的に「最小二乗法」という数学的アルゴリズムが用いられます。これは、実際のデータポイントと、予測するための直線との間にあるズレ（誤差）を2乗して足し合わせた合計が最も小さくなるように、直線の傾きと切片を算出する手法です。作成されたモデルが実際のデータにどれくらい当てはまっているか（予測精度）は、「決定係数（R^2）」という指標で評価され、この値が1に近いほど予測モデルとして優秀だと判断されます。現代のAI開発において、ディープラーニングを含む「教師あり学習」アルゴリズムの多くは、根本的にはこの回帰分析の拡張や応用であり、データサイエンスにおける最も重要な基礎知識の一つと言えます。