分類問題

入力がどのカテゴリに属するかを答える課題

分類問題は、機械学習で扱う課題の一つです。グッドフェロー(Ian Goodfellow)、ベンジオ(Yoshua Bengio)、クールヴィル(Aaron Courville)による教科書『Deep Learning』(2016年)は、分類を「入力がk個のカテゴリのうちどれに属するかをコンピュータプログラムに答えさせる課題」として説明しています。

この課題を解くために、学習アルゴリズムは通常、n個の実数からなる入力ベクトルを受け取り、1からkまでの番号のどれかを返す関数 f を作るよう求められます。記号で書くと、f は Rⁿ から {1, ..., k} への関数です。y = f(x) のとき、モデルは、ベクトル x で表された入力に対して、番号 y で識別されるカテゴリを割り当てます。

同書は、分類課題には別の形もあると述べています。その一つが、カテゴリの番号を1つ返す代わりに、各クラスに対する確率分布を関数 f が出力する形です。

例として挙げられている物体認識

同書は分類課題の例として物体認識を挙げています。画像を入力とし、画像に写っている物体を識別する番号を出力する課題です。ロボットが飲み物の種類を認識する研究(Goodfellow et al., 2010)や、顔認識の研究(Taigman et al., 2014)が紹介されています。

回帰問題との違いは出力の形式

同じ章で、回帰は「入力が与えられたときに数値を予測させる課題」として説明されています。このとき学習アルゴリズムが作るのは、Rⁿ から実数全体 R への関数です。同書は、回帰は分類と似た課題だが出力の形式が異なる、と明記しています。