機械学習の分類問題において、予測や分類の対象となる「グループ」や「カテゴリ」を指す用語。例えば、画像認識で写真に写る対象を「犬」や「猫」に分ける際、その「犬」「猫」のそれぞれがクラスと呼ばれる。データのラベル付けや評価指標の計算において基本となる重要な概念である。
クラスとは
機械学習の分類タスクにおいて、データが分類・識別される対象となる「グループ」や「カテゴリ」のこと。
詳しく解説
機械学習におけるクラスは、教師あり学習の分類タスクで最も基本となる概念である。モデルは入力データの特徴を分析し、事前定義されたどのクラスに該当するかを予測する。例えば、メールが「スパム」か「通常」かを判定する二値分類では、2つのクラスが存在する。3つ以上のグループに分類する場合は多クラス分類と呼ばれる。モデルの学習段階では、正解ラベルとしてクラスの情報がデータに付与され、これをもとに分類境界が構築される。
具体例・使われ方
具体例として、手書き数字認識タスクでは「0」から「9」までの10種類がそれぞれ一つのクラスとなる。また、医療AIによる画像診断では、レントゲン写真から「正常」「肺炎」「肺がん」などのクラスを予測・識別するために利用される。
似た用語との違い
混同されやすい概念に「クラスター」がある。クラスが教師あり学習においてあらかじめ定義された明確なカテゴリを指すのに対し、クラスターは教師なし学習（クラスタリング）において、データの類似性に基づいて自動的に分割されたグループを指す。また、プログラミングにおけるオブジェクトの設計図としてのクラスとも文脈により区別が必要である。
注意点
データセット内で特定のクラスのデータ数が極端に偏る「クラス不均衡」が発生すると、モデルの予測が多数派のクラスに引きずられ、少数派の検出精度が著しく低下する。また、事前に定義されたクラス以外の未知のデータが入力された場合でも、モデルは既存のいずれかのクラスに分類しようとする性質があるため注意が必要である。