1．基本を理解
読み方・用語解説- 読み方
- ぶんるい
- 英語名
- Classification
- 提唱者・年代
- 機械学習の基本的な教師あり学習タスク
💡 豆知識——“分類”＝classifying——スパム/非スパム、猫/犬、のように“引き分け”を当てる。
【セットで覚えたい関連用語】
回
回帰連続値（量）を予測。分類と対になる。ロ
ロジスティック回帰線形モデルを確率変換した分類手法。ス
スパム判定分類の典型例。2．意味（定義）と例え話
一言で言うと？
メールスパム判定や画像の種類など、離散的なカテゴリ（質）を予測する教師あり学習。回帰と対になる。
背景・歴史的流れ
機械学習の基本タスク。“質（カテゴリ）の予測”——“量（連続値）の予測”である回帰と対になる。
身近な例え話
洗濯物を“白物・色物”の2つのかごに仕分ける——“いくらか”ではなく“どの引き出しか”を当てる作業。
AIとの関係
スパム判定・画像カテゴライズ・診断補助など、幅広い。
おすすめの活用法・注目ポイント
「離散カテゴリ（質）を予測／教師あり／回帰と対」が鉄板。
3．直前に理解（Q&A）
7問Q1. 分類とは？最頻出
メールスパム判定や画像の種類など、離散的なカテゴリ（質）を予測する教師あり学習。
Q2. 何を予測する？最頻出
スパム/非スパム、猫/犬などの離散的なカテゴリ（質）。
Q3. 対になるタスクは？頻出
回帰（連続値＝量の予測）。
Q4. 「分類は、‘明日の気温がいくらか’を予測するタスク」は正しい？ひっかけ
誤り。連続値（量）を予測するのは回帰。分類はカテゴリ（質）を当てる。
Q5. 典型例は？頻出
メールスパム判定、画像の種類、診断補助など。
Q6. どの学習？頻出
教師あり学習（カテゴリの答え付きデータで学ぶ）。
Q7. 位置づけは？親と子
教師あり学習⊃分類（質）と回帰（量）。
4. まとめ
分類＝メールスパムや画像の種類など、離散的なカテゴリ（質）を予測する教師あり学習。