分類問題と回帰問題の違い

分類問題と回帰問題は、教師あり学習で扱う問題の2つの代表です。どちらも、入力と正解の組を学び、新しい入力に対する答えを予測します。違いは、予測する答えの形にあります。

分類問題

分類問題は、入力が、あらかじめ決めたクラスのどれに当たるかを予測します。メールが迷惑メールかどうか、画像に写っているのが犬か猫か鳥か、といったタスクが当たります。クラスが2つなら2クラス分類、3つ以上なら多クラス分類と呼びます。

多くのモデルは、各クラスに属する確率を出し、最も高いクラスや、しきい値を超えたクラスを答えにします。評価には、混同行列に基づく正解率、適合率、再現率、F値などを、目的に合わせて使います。

回帰問題

回帰問題は、価格、気温、売上金額のような数値を予測します。数値には大小の順序と差の大きさに意味があるので、予測が少しずれたのか、大きく外れたのかを区別できます。そのため評価には、ずれの大きさを測るMSE、RMSE、MAEなどを使います。ニューラルネットワークでは、出力層に恒等関数を置き、範囲の限られない値を出せるようにします。

問題の立て方で変わる

分類か回帰かは、データの種類ではなく、何を予測したいかで決まります。たとえば気象データから明日の最高気温を予測すれば回帰問題、明日が真夏日（最高気温30℃以上）になるかどうかを予測すれば分類問題です。

手法の名前にも注意します。ロジスティック回帰は、名前に「回帰」とありますが、クラスに属する確率を出す分類の手法です。決定木やランダムフォレストは、分類と回帰のどちらにも使えます。

なお、正解のラベルを使わずに、似たデータどうしをまとめるのはクラスタリングです。クラスタリングは教師なし学習で、グループの意味は後から人が解釈します。