多クラス分類とは、データが3つ以上のカテゴリのどれに属するかを予測する機械学習のタスクです。犬や猫、鳥など複数の選択肢から正解を1つ選ぶ問題などで広く利用され、画像認識や自然言語処理の基礎となる重要な技術です。
多クラス分類とは
一言でいうと多クラス分類とは、入力されたデータを3つ以上のあらかじめ用意されたクラス（カテゴリ）のいずれか一つに割り当てる機械学習のタスクのことです。
詳しく解説
機械学習における分類問題は、大きく分けて2つのクラスに分ける二値分類と、3つ以上のクラスを扱う多クラス分類が存在します。多クラス分類では、モデルがそれぞれのクラスに属する確率を計算し、一般的には最も確率が高いクラスを予測結果として出力します。これを実現するためには、ソフトマックス関数などの活性化関数を用いて各クラスの確率を正規化したり、複数の二値分類モデルを組み合わせる手法が用いられたりします。画像認識や音声認識、テキストのカテゴリ分けなど、現実世界の多くの予測問題においてこの多クラス分類が活用されており、人工知能の精度を左右する基礎技術となっています。
具体例・使われ方
代表的な例として、手書き数字の画像認識（0から9までの10個のクラスに分類するタスク）や、写真に写っている被写体が犬、猫、鳥、自動車のどれであるかを判別する画像認識などが挙げられます。また、受け取ったメールが「仕事」「プライベート」「スパム」「プロモーション」のどれに該当するかを判断するテキスト分類でも多クラス分類が使われています。
似た用語との違い
データの属するクラスが2つだけである「二値分類」とは、扱うクラスの数において明確に区別されます。また、1つのデータに対して複数のクラスが同時に該当しうる「マルチラベル分類」とも混同されやすいですが、多クラス分類は「排他的な複数の選択肢から正解を1つだけ選ぶ」という点で異なります。
注意点
クラスの数が増えるほどモデルの学習が複雑になり、必要なデータの量や計算コストが増加する点に注意が必要です。また、特定のクラスのデータ数が極端に少ない「クラス不均衡」が発生している場合、モデルが多数派のクラスばかりを予測してしまい、少数派のクラスを正しく分類できなくなる問題が生じやすくなります。