01 / UNDERSTAND
仕組みと使いどころ
分類モデルは、入力が特定のカテゴリーに属する可能性を予測し、カテゴリーを示す値を出力します。代表例は、メールを「迷惑メール／迷惑メールではない」に分ける二値分類や、画像内の動物を複数候補から判定する多クラス分類です。1件に複数のカテゴリーを付ける多ラベル分類もあります。数値そのものを予測する回帰とは目的が異なります。また、分類ではカテゴリーを事前に定めますが、クラスタリングは正解ラベルのないデータからまとまりを見つけます。分類結果はアプリの出力や処理の分岐に利用できますが、理想的な成果を直接測れず代理ラベルを使う場合、そのラベルが目的を完全には表さない点に注意が必要です。
02 / IN PRACTICE
Classificationの活用例
たとえば、こんな場面で
メールを入力し、「迷惑メール」か「通常メール」かを予測して振り分ける用途が考えられます。ほかにも、画像内の動物の種類を判定したり、動画をキャッシュ方法別のカテゴリーに分類したりする使い方があります。
03 / GOOD TO KNOW
使うときのポイント
最初に必要な出力カテゴリーを明確にします。数値が必要なら回帰も検討し、代理ラベルを使う場合は、本来の目的とのずれや偏りがないか確認しましょう。
参考資料
What is Machine Learning? | Google for Developers （新しいタブで開きます）Framing an ML problem | Machine Learning | Google for Developers （新しいタブで開きます）What is Classification in Machine Learning? | IBM （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。