イントロ
回帰・分類・クラスタリング
出したい答えが数値、クラス、未知の群のどれかを見る
業務で得たい出力の形に応じて、数値予測、既知カテゴリ判定、類似データの群分けなどへ問題を定式化したものです。
AI・機械学習の基礎に戻る
学習モード
外観
1 / 11 ブロック9%
上下にスクロールするかキーボードの上下キーを使うと、次の学習カードへ進めます。
定義
- とは、連続する数値を目的変数として予測する機械学習タスクです。
- 見分けるポイント
- では、連続値の予測は売上額や温度などを答えにします。は迷惑メールか否か、解約するか否かのように、あらかじめ定めたクラスを選びます。のは正解なしで似たデータをまとめ、どのような群があるかを探索します。入力が数値か文章かではなく、欲しい出力が何かで選びます。
手順
タスク選択の問い
- 1
予測したい答えを一文で書く。
- 2
答えが連続した数値なら回帰を候補にする。
- 3
既知の選択肢から一つ以上を当てるなら分類を候補にする。
- 4
正解ラベルがなく似た群を発見したいならクラスタリングを候補にする。
要点
判断で押さえる境界
『顧客を扱うから分類』とは限りません。顧客の来月購入額なら回帰、退会するかなら分類、まだ知らない行動パターンを探すならクラスタリングです。同じ入力表から複数の問題を作れるため、と正解ラベルの有無を明示します。需要を高・中・低の区分に変えれば分類、具体的な数量のまま予測すれば回帰となるように、業務上の問いの置き方でもタスクは変わります。
- 1
連続値は回帰
- 2
既知クラスは分類
- 3
未知の類似群はクラスタリング
例
- 場面
- ホテルが予約履歴を使って、来月の宿泊需要、キャンセル有無、顧客の未知セグメントを分析します。
- 順に考えると
- 来月の予約室数は連続的な数値なので回帰、各予約のキャンセル有無は既知クラスなので分類、正解名を置かず利用傾向の近い顧客群を探すならクラスタリングです。一つのデータ源でも三つの目的は別問題です。
- ここが結論
- 問題文の名詞ではなく、最終出力の型から手法を選べます。
注意
数値ラベルでも分類はある
確認
AIF-C01 判断チェック
Q1
正解ラベルなしで購買行動の似た顧客群を発見するタスクはどれですか。
まとめ
まとめ
- 1
回帰は連続値を予測
- 2
分類は既知クラスを判定
- 3
クラスタリングは未知の群を探索
- 4
入力より欲しい出力の形を見る
次へ
次は「AIユースケースとAWSマネージドサービス」へ
関連トピック
近いテーマも確認する
今の内容と近いトピックを並べて、学習範囲を広げやすくしています。