DS検定トップ
＞ 機械学習で解決する代表的なタスクとは？（分類・予測・クラスタリング・異常検知・時系列予測・レコメンド）【DS検定】
## まず結論
機械学習で解決する代表的なタスクとは、
データからパターンを学習して問題を解決する処理の種類のことです。
DS検定では特に次のタスクがよく登場します。
分類（Classification）
予測（回帰：Regression）
クラスタリング（Clustering）
異常検知（Anomaly Detection）
時系列予測（Time Series Forecasting）
レコメンド（Recommendation）
DS検定では
「この問題はどのタスクに当たるか？」
を判断させる問題がよく出ます。
## 直感的な説明
機械学習は簡単に言うと
「データからパターンを学んで判断する仕組み」
です。
企業では次のような目的で使われます。
やりたいこと 機械学習タスク
メールが迷惑メールか判定 分類
売上を予測 回帰
顧客を似たグループに分ける クラスタリング
不正アクセスを見つける 異常検知
将来の需要を予測 時系列予測
商品のおすすめを提示 レコメンド
つまり
「何を判断したいのか」
によってタスクが決まります。
## 定義・仕組み
分類（Classification）
データを決められたカテゴリに分類するタスクです。
例
メール → スパム / 通常
画像 → 犬 / 猫
顧客 → 購入する / しない
特徴
出力は カテゴリ
教師あり学習
予測（回帰：Regression）
数値を予測するタスクです。
例
売上予測
気温予測
来客数予測
特徴
出力は 数値
連続値を扱う
DS検定では
分類（カテゴリ） vs 回帰（数値）
を区別する問題がよく出ます。
クラスタリング（Clustering）
似ているデータを自動でグループ化するタスクです。
例
顧客の購買傾向からグループ化
商品の特徴から分類
特徴
正解ラベルなし
教師なし学習
異常検知（Anomaly Detection）
通常とは異なるデータを検出するタスクです。
例
不正クレジットカード利用
サイバー攻撃
設備故障
特徴
正常データとの違いを検出
時系列予測（Time Series Forecasting）
時間の流れを考慮して未来を予測するタスクです。
例
売上予測
電力需要予測
株価予測
特徴
データに時間順序がある
レコメンド（Recommendation）
ユーザーに合った商品やコンテンツを推薦するタスクです。
例
ECサイトの商品おすすめ
動画配信サービス
音楽配信サービス
## どんな場面で使う？
タスク 活用例
分類 スパム判定、画像認識
回帰 売上予測
クラスタリング 顧客セグメント
異常検知 不正検知
時系列予測 需要予測
レコメンド 商品推薦
機械学習タスクの全体像
機械学習
│
├─ 教師あり学習
│ ├─ 分類
│ ├─ 回帰
│ └─ 時系列予測
│
└─ 教師なし学習
├─ クラスタリング
└─ 異常検知
（レコメンドは両方の手法が使われる）
## よくある誤解・混同
分類 vs クラスタリング
分類 クラスタリング
正解ラベルあり 正解ラベルなし
教師あり学習 教師なし学習
回帰 vs 時系列予測
回帰 時系列
数値予測 時間データ
時間順序なし 時間順序あり
分類・回帰・クラスタリングの一発判定
正解ラベルはあるか？
YES
│
├─ 出力がカテゴリ → 分類
└─ 出力が数値 → 回帰
NO
│
├─ 似たものをまとめる → クラスタリング
└─ 普通と違うものを見つける → 異常検知
DS検定では、
出力が何か
正解ラベルがあるか
時間の流れを考えるか
の3点で見分けると整理しやすいです。
## まとめ（試験直前用）
分類＝カテゴリを予測
回帰＝数値を予測
クラスタリング＝似たデータを自動で分ける
異常検知＝普通と違うデータを見つける
時系列予測＝時間順序を使って未来を予測
レコメンド＝ユーザーに合う候補を提示
## 対応スキル項目（データサイエンス力）
機械学習
タスク理解
★ 問題設定に応じて適切な機械学習タスクを判別できる