分類: マルチクラス分類
コレクションでコンテンツを整理
必要に応じて、コンテンツの保存と分類を行います。
マルチクラス分類は、バイナリ分類を 2 つ以上のクラスに拡張したものと見なすことができます。各例を 1 つのクラスにのみ割り当てることができる場合、分類問題はバイナリ分類問題として処理できます。1 つのクラスには複数のクラスの 1 つが含まれ、もう 1 つのクラスには他のすべてのクラスが含まれます。このプロセスは、元のクラスごとに繰り返すことができます。
たとえば、3 クラスのマルチクラス分類問題で、ラベル A、B、C を使用して例を分類する場合は、問題を 2 つの個別のバイナリ分類問題に変換できます。まず、ラベル A+B とラベル C を使用して例を分類するバイナリ分類子を作成します。次に、ラベル A とラベル B を使用して、ラベル A+B の例を再分類する 2 番目のバイナリ分類子を作成できます。
マルチクラスの問題の例として、手書きの数字の画像を取り込んで、どの数字（0～9）を表しているかを判断する手書き分類器があります。
クラスのメンバシップが排他的でない場合、つまり、1 つの例が複数のクラスに割り当てられる場合、これはマルチラベル分類問題と呼ばれます。
特に記載のない限り、このページのコンテンツはクリエイティブ・コモンズの表示 4.0 ライセンスにより使用許諾されます。コードサンプルは Apache 2.0 ライセンスにより使用許諾されます。詳しくは、Google Developers サイトのポリシーをご覧ください。Java は Oracle および関連会社の登録商標です。
最終更新日 2024-11-06 UTC。
[null,null,["最終更新日 2024-11-06 UTC。"],[[["\u003cp\u003eMulti-class classification extends binary classification to handle more than two classes, often by breaking the problem down into multiple binary classifications.\u003c/p\u003e\n"],["\u003cp\u003eIn multi-class classification, each example is assigned to only one class, like classifying handwritten digits (0-9).\u003c/p\u003e\n"],["\u003cp\u003eIf an example can belong to multiple classes, it's called multi-label classification, which is a distinct but related concept.\u003c/p\u003e\n"],["\u003cp\u003eMulti-class classification can be achieved by creating a series of binary classifiers, each distinguishing between a subset of classes.\u003c/p\u003e\n"]]],[],null,["# Classification: Multi-class classification\n\nMulti-class classification can be treated as an extension of\n[**binary classification**](/machine-learning/glossary#binary_classification)\nto more than two classes. If each example can only be\nassigned to one class, then the classification problem can be handled as a\nbinary classification problem, where one class contains one of the multiple\nclasses, and the other class contains all the other classes put together.\nThe process can then be repeated for each of the original classes.\n\nFor example, in a three-class multi-class classification problem,\nwhere you're classifying examples with the labels **A** , **B** , and\n**C** , you could turn the problem into two separate binary classification\nproblems. First, you might create a binary classifier that categorizes examples\nusing the label **A+B** and the label **C** . Then, you could create a second\nbinary classifier that reclassifies the examples that are labeled **A+B**\nusing the label **A** and the label **B**.\n\nAn example of a multi-class problem is a handwriting classifier that takes\nan image of a handwritten digit and decides which digit, 0-9, is represented.\n\nIf class membership isn't exclusive, which is to say, an example can be\nassigned to multiple classes, this is known as a *multi-label* classification\nproblem.\n| Multi-class classification is explored more deeply in the [Multi-class neural networks](/machine-learning/crash-course/neural-networks/multi-class) section of the [Neural Networks](/machine-learning/crash-course/neural-networks) module.\n| **Key terms:**\n|\n- [Binary classification](/machine-learning/glossary#binary_classification) \n[Help Center](https://support.google.com/machinelearningeducation)"]]
