教師あり学習の代表タスク『分類』を、まずはミニクイズから入って掘り下げます。犬か猫かを当てるような『カテゴリ予測』のルールを、具体例と一緒に身につけましょう。
香月 リサ 先生
では最初にミニクイズ。
受信したメールが『迷惑メール/普通のメール』どちらかを当てる。
このタスクの名前は、なんて呼ぶでしょう?
戸倉 ジャスミン
えーっと、2択だから…仲間分けってこと? 要は分類じゃん?
深見 つむぎ
つまり『二値分類』という理解で合っていますか? 補足すると、選択肢が2つの分類を二値分類(binary classification)と呼びます。
2クラスだけだから『binary』なんですよね。
香月 リサ 先生
大正解。
分類はクラス(カテゴリ)を当てるタスクで、クラス数が2なら二値分類、3つ以上なら多クラス分類と呼ぶのよ。
戸倉 ジャスミン
うそっ!? 数えるだけで見分けられるじゃん、これ簡単!
雪村 ましろ
手書き数字の0〜9を当てるやつは、クラスが10個だから多クラス分類になるのぉ…?
香月 リサ 先生
その通り、MNISTで有名なタスクね。
10クラスだから多クラス分類。
よくできたわ、ましろちゃん。
戸倉 ジャスミン
他にも身近な分類の例ってある?
香月 リサ 先生
たくさんあるわよ。
医療での陽性/陰性判定、SNS投稿の感情分析(ポジティブ/ネガティブ/中立)、ECサイトの商品カテゴリ自動振り分け、自動運転の標識認識も分類。
生成AIでも『安全な出力か有害か』の分類器が裏側で働いているの。
深見 つむぎ
実務ではさらに『マルチラベル分類』という亜種もあって、1つの画像に複数のラベルを同時に付けるケースもあります。
たとえば写真1枚から『空』『犬』『草原』を同時にタグ付けするような用途です。
ただし試験範囲は通常の分類までで十分ですね。
香月 リサ 先生
いい補足ね、つむぎさん。
分類のゴールは『未知データを正しいクラスに割り当てること』。
その精度を測る指標が正解率や精度、再現率などで、後の記事で扱うわ。
雪村 ましろ
クラス分けって、朝礼で体操服チームと制服チームに分かれるみたいな感じなのぉ〜?
戸倉 ジャスミン
例えがほのぼのしすぎじゃん(笑)。
でも要はそういうことだよね! 球技大会のチーム分けも二値分類じゃん。
深見 つむぎ
クラス数が増えると難易度も上がります。
たとえば犬種100種類を見分けるのは、犬か猫かを見分けるよりはるかに難しいです。
モデルの表現力や訓練データ量が重要になります。
香月 リサ 先生
では仕上げクイズよ。
『犬・猫・うさぎ・ハムスターのどれか』を当てるタスクは、何分類?
深見 つむぎ
クラス数が4なので多クラス分類ですね。
香月 リサ 先生
正解。
試験では『二値=2クラス、多クラス=3クラス以上』という定義の線引きを確実に押さえましょう。
クラス数が切り替わる境界で呼び方が変わる、という視点が大事よ。
雪村 ましろ
クラス数が増えると、モデルの学び方も変わってくるのぉ〜?
香月 リサ 先生
いい問いね。
二値分類なら出力を『陽性の確率』1つに絞れるけど、多クラスだと各クラスの確率をまとめて出す必要があるの。
出力層の設計や損失関数の選び方も少し変わるわ。
深見 つむぎ
多クラス分類では一般にsoftmax関数と交差エントロピー損失を組み合わせます。
詳細は後の記事で。
確認クイズ
迷惑メールかどうかを判定するタスクは何と呼ばれるか?
- 回帰
- クラスタリング
- 二値分類
- 多クラス分類
こたえを見る
正解: 3. 二値分類
『迷惑か否か』の2択なので二値分類です。クラスタリングは正解ラベルなしでグループを見つける教師なし学習、回帰は連続値を当てる別のタスク、多クラス分類は3クラス以上なのでここでは当てはまりません。