分類（機械学習）

📖 もうちょい詳しく

何が新しいの？

分類は、機械学習のなかでもいちばん基本的なタスクのひとつです。やることはシンプルで、あるデータが「どのグループに当てはまるか」を当てます。たとえば届いたメールが「迷惑メールか、そうでないか」を見分ける、といった仕分けです。答えがあらかじめ決まったいくつかの種類（カテゴリ）に分かれているのが特徴です。

どうやって動いてるの？

まず「これは迷惑メール」「これはふつうのメール」というように、答え付きのデータをたくさん用意します。プログラムはその例を見て、どんな特徴があるとどのカテゴリになりやすいかを少しずつ学びます。学び終わると、初めて見るデータに対しても「たぶんこちら」と振り分けられるようになります。多くの場合、各カテゴリへの当てはまりやすさを確率で出し、いちばん高いものを答えとして選びます。

何ができるの？

身近なところでは、迷惑メールの自動振り分け、写真に写っているものへのラベル付け（犬・猫・車など）、口コミ文が好意的か否定的かの判定などに使われています。人が一件ずつ目で見て仕分けていた作業を、まとめて素早くこなせるのがうれしいところです。

🌱 身近なたとえ

郵便物の仕分けで例えると分かりやすいです。届いた手紙を「東京の棚」「大阪の棚」というように、行き先ごとの棚へ入れていく作業に似ています。棚（カテゴリ）はあらかじめ決まっていて、新しい手紙が来るたびに、宛先を見てどれかの棚へ入れます。分類も同じで、新しいデータをすでにある「箱」のどれかに振り分ける仕組みです。

✅ まず覚えるポイント

• 分類は、データを「決まったカテゴリのどれか」に振り分けるタスクです
• カテゴリは2つでも、3つ以上でもかまいません
• 答え付きのデータで学ぶ「教師あり学習」の代表例です
• 多くの場合、各カテゴリの確率を出して、いちばん高いものを選びます
• 迷惑メール判定や画像のラベル付けが身近な例です

🧭 よくある勘違い

数字を予測するのと同じこと？

少し違います。分類は「どのカテゴリか」を当てるタスクで、答えは種類です。一方で「明日の気温は何度か」のように連続した数字を予測するのは「回帰」と呼ばれ、別のタスクとして区別されます。「種類を当てる」のが分類、「数値を当てる」のが回帰、と覚えると整理しやすいです。

カテゴリは2つだけ？

そうとは限りません。「迷惑メールかどうか」のように2択のこともあれば、「犬・猫・鳥・車…」のように何種類にも分けることもあります。前者を二値分類、後者を多クラス分類と呼びます。どちらも分類の仲間です。

🧩 関連して覚えると楽な言葉

• 機械学習: データから規則を学んで予測する技術。分類はその一種です
• 教師あり学習: 答え付きのデータで学ぶやり方。分類はこの代表例です
• 回帰: 連続した数値を予測するタスク。分類と対になる考え方です
• ニューラルネットワーク: 分類などを行うためによく使われる仕組みのひとつです

🏁 ひとことでまとめ

分類とは、新しいデータを「すでにある箱のどれかに入れる」やり方で、種類を見分けたいときに使う機械学習のタスクです。