生成AIパスポート 用語集機械学習
分類と回帰とはぶんるいとかいき
分類と回帰の意味
分類と回帰とは、教師あり学習が扱う代表的な2種類の問題です。分類は、入力が「ネコ」「イヌ」などあらかじめ決められたカテゴリのどれに当てはまるかを判定する問題で、回帰は、売上や気温のように連続した数値を予測する問題を指します。どちらも正解データを使って学習します。
生成AIパスポート試験の対策なら → 無料の合格アプリ
詳しい解説
分類の例としては、写真に写る動物の種類の判定や、メールが迷惑メールかどうかの判定があります。答えが「グループ名」になるのが特徴です。
回帰の例としては、過去のデータから明日の気温や来月の売上、住宅の価格などを予測するケースがあります。答えが「数値」になるのが特徴です。
注意したいのは、教師なし学習の「クラスタリング」との違いです。クラスタリングもデータをグループに分けますが、正解ラベルを使わず、似たもの同士をまとめるだけです。一方の分類は、正解ラベル付きのデータで学習し、決まったカテゴリに振り分けます。
| 問題 | 答えの形 | 学習方法 |
|---|---|---|
| 分類 | カテゴリ | 教師あり |
| 回帰 | 連続した数値 | 教師あり |
| クラスタリング | 似たもの同士のグループ | 教師なし |
試験のポイント
- 分類と回帰は、いずれも教師あり学習の応用先
- 分類＝カテゴリを当てる、回帰＝数値を予測する
- 「クラスタリング（教師なし）」と「分類（教師あり）」の混同を狙ったひっかけに注意
分類と回帰の確認問題（○×）
写真に写っている動物の種類を判定する問題は、教師あり学習の「分類」にあたる。
答えと解説を見る
答え：○
決められたカテゴリのどれに当てはまるかを判定するので分類です。数値を予測する場合は回帰になります。