複数クラスの分類モデル（Multi-class Classification）

概要

• 意味：データを「3種類以上のクラス（カテゴリ）」に分類するモデル
• 目的：1つの入力データが「どのクラスに属するか」を判定する
• 例：メールを「重要」「通常」「迷惑」に分類する

基本の考え方

• 二値分類（二クラス）：はい／いいえ、スパム／非スパム
• 多クラス分類（複数クラス）：A／B／Cのように3つ以上に分類
• モデルは「各クラスに属する確率」を計算し、一番高いクラスを選ぶ

代表的なアルゴリズム

1. ソフトマックス回帰（Softmax Regression）
   • ロジスティック回帰を拡張し、全クラスの確率を出す
2. 決定木（Decision Tree）・ランダムフォレスト（Random Forest）
   • 特徴の条件分岐でクラスを決定
3. サポートベクターマシン（SVM）
   • 「一対他（One-vs-Rest）」などの方法で多クラスに対応
4. ニューラルネットワーク（NN）
   • 出力層にクラス数分のノードを置き、ソフトマックスで分類

出力の仕組み

出力は「各クラスに属する確率のリスト」
例：

クラス	確率
猫	0.7
犬	0.2
鳥	0.1

最も確率の高いクラス（猫）を最終的な予測結果とする

応用例

• 画像分類（猫・犬・鳥）
• 感情分析（ポジティブ・ネガティブ・ニュートラル）
• ニュース記事分類（政治・経済・スポーツ）

試験での理解ポイント

• G検定：ロジスティック回帰・ソフトマックス・ニューラルネットワークの基本を理解
• AWS MLS：SageMakerでの分類モデル学習（XGBoostやNNなど）に関連