多クラス分類の理解
問題
多クラス分類に関する記述のうち誤りを1つ選べ。
解説
多クラス分類(Multi-class Classification)は、分類問題の一種であり、入力データを「3つ以上のカテゴリ(クラス)」のどれか1つに分類するタスクです。
例えば、画像に写っている動物が「犬・猫・鳥・馬」のどれであるかを予測したり、受信したメールを「重要・プロモーション・ソーシャル・迷惑メール」に振り分けたりする処理が該当します(※「スパムか否か」のような2択は「二値分類」と呼びます)。
1. 多クラス分類は3つ以上のクラスを扱う
正しい:「陽性か陰性か」という2つのクラスに分ける二値分類を拡張し、3つ以上の複数のクラスの中から1つを予測するタスクです。
2. 多クラス分類は教師なし学習である
誤り:各データがどのクラスに属するかの「正解ラベル」を与えて学習させるため、「教師あり学習」に分類されます。
3. 多クラス分類はメール分類などに使われる
正しい:受信メールを「仕事」「プライベート」「迷惑メール」の3つ以上に自動で振り分けるタスクなどは、典型的な多クラス分類の応用例です。
4. 多クラス分類は分類問題の一種である
正しい:回帰問題ではなく、あらかじめ定義された離散的なカテゴリ(クラス)を予測する「分類問題」の一形態です。
📚 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


