実践 機械学習システム

2.5

 まとめ

43

図2-6

また、別の方法として、木構造の分類器を考えることができます。そのためには、まず、取りうる可

能性のあるラベルについて、二つのグループに分けます。そして、「このデータは右と左のどちらのグ

ループに入れるべきか？」ということを判断できる分類器を作成します。このグループ分けを繰り返し

行うことで、最終的に一つのラベルを得ることができます。図2-6は、アイリスデータセットを対象に

して、木構造からなる二項分類を行う例が示されています。ひし形は二項分類を行う分類器を表しま

す。また、この木構造を拡張することで、より多くの決定を行うことができます。つまり、二項分類を

組み合わせることで、クラスの数がどれだけ多くても分類できるということです。

二項分類だけが行える分類器を、多項分類が行える分類器へと拡張する方法は、他にもたくさんあ

ります。あるひとつの手法が、全ての場合で、他より優れているということはありえません。し

かし、

一般的によく用いられる手法であれば、理想的な手法と正解率が大きく違うということもないでしょう。

機械学習で扱われる分類器のほとんどは、二項分類をおこなうシステムです。一方、現実の世界で

扱われる問題は、多項分類の問題がほとんどです。多項分類を行う問題を二項分類の組み合わせへと

分解するアルゴリズムはいくつも存在します。そして、そのアルゴリズムを用いることで、二項分類の

モデルを多項分類を行う問題に適用することができます。

2.5

　まとめ

本章では、どちらかと言えば理論的な