分類問題（Classification）
1. 解説
分類問題とは、入力されたデータが「どのグループ（カテゴリ・クラス）に属するか」を予測するタスクです。目的変数が「離散値（飛び飛びの値）」になるのが最大の特徴です。
例えば、「この写真は犬か猫か」「メールがスパムか正常か」といった判断を行います。回帰問題が「数値（量）」を当てるのに対し、分類問題は「ラベル（質）」を当てる問題と言えます。
分類問題の2つのタイプ
分類するクラスの数によって呼び方が変わります。
| タイプ | 説明 | 具体例 |
|---|---|---|
| 二値分類 (Binary Classification) |
「A か B か」の2択に分類する。 | ・コインの裏表 ・合格 か 不合格 ・スパム か 正常 |
| 多クラス分類 (Multi-class Classification) |
3つ以上のクラスに分類する。 | ・手書き数字（0〜9の10種類） ・じゃんけん（グー・チョキ・パー） ・アイリス（アヤメ）の品種分類 |
代表的なアルゴリズムと評価指標
- アルゴリズム：
- ロジスティック回帰：名前に「回帰」とつくが、実際は「分類」のための手法。
- サポートベクターマシン（SVM）：データを分ける境界線（マージン）を最大化する手法。
- 決定木・ランダムフォレスト：条件分岐によってクラスを分ける手法。
- 評価指標：
- 正解率（Accuracy）：全体のうち何個正解したか。
- 混同行列（Confusion Matrix）：「適合率（Precision）」や「再現率（Recall）」など、正解率だけでは見えない精度を測るために使う表。
2. G検定対策
出題ポイント
- 回帰との違い：「家賃（数値）」を当てるなら回帰、「優良物件かどうか（ラベル）」を当てるなら分類。
- 離散値（Discrete Value）：分類問題の答えは、0か1、あるいはAかBかCのように明確に区切られた値になる。
ひっかけ対策・注意点
- 【最重要】分類 vs クラスタリング：
どちらも「データをグループ分けする」点は同じですが、根本的に異なります。- 分類（教師あり学習）：「これは猫、これは犬」という正解ラベルをもとに分ける。
- クラスタリング（教師なし学習）：正解ラベルはなく、「なんとなく形が似ているもの」同士を勝手に集める（k-means法など）。
- ロジスティック回帰の分類：
「ロジスティック回帰を使って株価（数値）を予測した」という選択肢は間違いです。ロジスティック回帰は「株価が上がるか下がるか（二値分類）」などに使われます。
