分類問題の特徴
問題
分類問題に関する記述のうち誤りを1つ選べ。
解説
分類(Classification)は教師あり学習の一種であり、入力データが「あらかじめ決められたどのカテゴリ(クラス)に属するか」を予測するタスクです。
「迷惑メールか正常か」「画像に写っているのは犬か猫か」といった離散的な値(飛び飛びの値)を当てる問題であり、連続する数値を当てる「回帰」とは明確に区別されます。
1. 分類問題は離散的なクラスを予測する
正しい:連続した数値ではなく、あらかじめ設定されたカテゴリ(クラス)という離散的な値を予測・分類するのが特徴です。
2. 分類問題は教師あり学習に含まれる
正しい:分類の基準となるパターンを学習させるために、正解のカテゴリラベルを付与した学習データが必要になるため、教師あり学習に該当します。
3. 分類問題では連続値を予測する
誤り:売上や気温などの「連続値」を予測するのは「回帰問題」です。分類問題はカテゴリ(離散値)を予測します。
4. 多クラス分類も分類問題の一種である
正しい:「AかBか」の2択を当てる二値分類だけでなく、「犬、猫、鳥のどれか」のように3つ以上のクラスに分類するタスクも分類問題に含まれます。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- 教師あり学習の基本要件
- 回帰問題の理解
- 分類問題の特徴
- 決定木モデルの性質
- サポートベクターマシン(SVM)の理解
- カーネルとカーネルトリック
- 重回帰分析の理解
- 勾配ブースティングの特徴
- 多クラス分類の理解
- 教師あり学習のビジネス応用
- アンサンブル学習の基本概念
- バギングの特徴
- ブートストラップサンプリングの理解
- ランダムフォレストの性質
- ブースティングの理解
- ランダムフォレストの特徴
- 自己回帰モデル(AR)の理解
- VARモデルの特徴
- マージン最大化の理解
- ロジスティック回帰の理解
- 教師なし学習の基本概念
- k-means法の理解
- t-SNEの特徴
- ウォード法の理解
- 協調フィルタリングの理解
- クラスタリングの特徴
- 次元削減の理解
- 主成分分析(PCA)の理解
- 潜在的ディリクレ配分法(LDA)の理解
- 多次元尺度構成法(MDS)の理解
- デンドログラムの理解
- 特異値分解(SVD)の理解
- コンテンツベースフィルタリングの理解
- クラスタ分類の理解
- 強化学習の基本概念
- 方策(Policy)の理解
- 価値関数の理解
- 行動価値関数Q(s,a)の理解
- 状態価値関数V(s)の理解
- TD誤差の理解
- Actor-Criticの理解
- Q学習の特徴
- ε-greedy方策の理解
- UCB方策の理解
- バンディット問題の理解
- 方策勾配法の理解
- REINFORCEの特徴
- マルコフ決定過程(MDP)の理解
- マルコフ性の理解
- 期待割引報酬の理解
- 割引率γの理解
- 汎化性能の理解
- 訓練誤差と汎化誤差
- ホールドアウト検証の理解
- 交差検証の特徴
- k-分割交差検証の理解
- 混同行列の理解
- 偽陽性・偽陰性の理解
- 正解率の計算
- 適合率の計算
- 再現率の計算
- F値の理解
- 回帰指標MSEの理解
- RMSEの理解
- MAEの理解
- ROC曲線の理解
- AICの理解
- BICとオッカムの剃刀


