マルチラベル分類とは、1つの入力データに対して複数のラベル（クラス）を同時に割り当てる機械学習の手法です。画像に「犬」と「公園」が同時に写っている場合のように、互いに排他ではない複数のカテゴリを予測する際に用いられます。テキスト分類や画像認識など幅広い分野で利用され、複雑な現実世界のデータを柔軟に分類するための重要な技術です。
マルチラベル分類とは
マルチラベル分類は、一言でいうと「1つのデータに対して複数のカテゴリ（ラベル）を同時に割り当てる機械学習の分類手法」です。
詳しく解説
マルチラベル分類は、データが単一のカテゴリに収まらない現実世界の課題に対応するために発展した教師あり学習の一種です。従来の分類手法では1つの入力に対して1つのクラスのみを予測しますが、マルチラベル分類では複数の正解ラベルが存在することを前提とします。技術的な仕組みとしては、各ラベルに対して独立して判定を行う二値分類モデルを複数組み合わせる方法や、ニューラルネットワークの出力層でシグモイド関数を各出力ノードに適用して個別の確率を算出する方法が用いられます。学習時には、それぞれの出力に対する損失関数を評価して最適化を行います。複雑な関係性を捉えることができるため、高度なデータ分析に不可欠な技術となっています。
具体例・使われ方
具体的な利用例として、1枚の写真に「猫」「室内」「ソファ」といった複数のタグを同時に付与する画像認識システムが挙げられます。また、ニュース記事に対して「政治」「経済」「国際」という複数のトピックを設定する文章分類や、患者の症状から「高血圧」「糖尿病」などの複数の病名を予測する医療診断支援システムでもマルチラベル分類が活用されています。
似た用語との違い
混同されやすい概念に二値分類や多クラス分類があります。二値分類はデータを「陽性か陰性か」の2つの選択肢のどちらか1つに分類します。多クラス分類は3つ以上の選択肢から必ず1つのカテゴリだけを選択します。これらに対してマルチラベル分類は、選択肢が複数ある中で、該当するラベルを0個、1個、あるいは複数個同時に選択できる点が大きな違いです。
注意点
マルチラベル分類の注意点として、ラベル間の相関関係をどう扱うかという問題があります。各ラベルを完全に独立して予測すると「海」がないのに「船」と予測するような矛盾が生じることがあります。また、特定のラベルが非常に稀にしか登場しない不均衡データの問題が起きやすく、モデルの評価指標にも適合率や再現率をラベルごとに総合的に評価する工夫が必要です。