回帰とクラス分類
- 回帰:金額等の数値を予測
- 関連記事:(回帰)ハウスプライス予測
- クラス分類:顧客の行動などのクラスを分類
- 関連記事:(クラス分類)タイタニック号の生存予測
回帰とは
例えば、住宅を購入するときは、建物面積、築年数、建物品質、駐車場の台数、など様々な条件(説明変数、AI-Plant Bambooでは「特徴量列」以下同じ)から物件を選択し、購入者が妥当と思う金額(目的変数、「ラベル列」)で購入します。現実世界では、このような複数の説明変数から目的変数を導き出すことが日常的に起きています。
- 住宅購入時の説明変数と目的変数
- 説明変数(物件条件):建物面積、築年数、建物品質、駐車場の台数、など
- 目的変数(予測対象):購入価格
回帰は過去のデータの特徴を学習し、未来の数値を予測する機械学習手法であり、うまく利用すれば、より良い決定や判断ができる可能性があります。
クラス分類とは
タイタニック号の生存予測は、生存と非生存のどちらのクラスに所属するか分類する、クラス分類の問題です。製品の良品/不良品、顧客の購入/非購入など、クラス分類の問題についても、世の中に多数存在します。
- タイタニック号の生存予測の説明変数と目的変数
- 説明変数(乗客情報):年齢、性別、チケット番号、客室番号、など
- 目的変数(分類対象):生存したかどうか
クラス分類は過去のデータの特徴を学習し、クラスを分類する機械学習手法であり、乗客データによる生存/非生存予測、画像や検査データによる製品の良品/不良品判定、購買データによる顧客の行動予測などに利用することが可能です。