クラス分類とは、入力されたデータをあらかじめ定義された離散的なカテゴリ（クラス）に割り振る機械学習の手法です。教師あり学習の代表的なタスクであり、スパムメールの判定や画像認識、感情分析など幅広いAIシステムで活用されています。
クラス分類とは
クラス分類とは、与えられた入力データがどのグループ（カテゴリ）に属するかを予測・識別するタスクです。
詳しく解説
クラス分類は機械学習における教師あり学習の代表的な問題設定です。モデルは学習データとして入力データとそれに対応する正解ラベルの組み合わせを受け取り、特徴量とクラスの関係性をパターンとして学習します。分類対象が2つの場合は二値分類、3つ以上の場合は多クラス分類と呼ばれます。代表的なアルゴリズムにはロジスティック回帰、決定木、サポートベクターマシン、ニューラルネットワークなどがあり、データの特徴量や用途に応じて適切な手法が選択されます。
具体例・使われ方
電子メールが「迷惑メール」か「通常メール」かを振り分けるスパムフィルター、撮影された写真が「犬」「猫」「鳥」のどれであるかを判別する画像認識、顧客レビューが「肯定的」か「否定的」かを判定するテキスト感情分析などで利用されています。
似た用語との違い
クラス分類と混同されやすい概念に回帰とクラスタリングがあります。回帰は株価や気温のような連続的な数値を予測するのに対し、クラス分類は離散的なカテゴリを予測します。また、クラス分類が正解ラベルを用いる教師あり学習であるのに対し、クラスタリングは正解ラベルを用いずにデータの類似度に基づいてグループ分けを行う教師なし学習です。
注意点
各クラスのデータ数に極端な偏りがある「不均衡データ」を扱う場合、多数派のクラスばかりを予測して見かけ上の正解率が高くなる問題が生じることがあります。また、学習データに含まれていない未知のカテゴリを正しく分類することは難しいため、適切な前処理や評価指標の選定が不可欠です。