ある病院が患者の検査データをもとに「良性」または「悪性」の腫瘍を判定するモデルを作りたいと考えている。目的変数は「良性／悪性」という離散的なカテゴリである。この要件に最も適した機械学習の手法はどれか。
- A. 回帰：腫瘍の大きさを数値で推定する
- B. 次元削減：高次元の検査データを2次元に圧縮して可視化する
- C. クラスタリング：似た腫瘍パターンをグループ化する
- D. 分類：カテゴリラベルを予測するモデルを学習させる
解答と解説を見る
正解: D
分類は目的変数がカテゴリ（クラス）である場合に使う教師あり学習で、「良性」「悪性」のような離散ラベルを予測するタスクに最適である。Aの回帰は連続数値の予測に使う手法であり、カテゴリ判定には適さない。Cのクラスタリングは教師なし学習でラベルなしデータからグループを見つけるものであり、既知ラベルを使った予測とは異なる。Bの次元削減はデータの特徴量を圧縮・可視化するための手法であり、カテゴリ判定モデルの構築とは目的が異なる。