🔖 キーワード索引

「classification」は統計データ分析の文脈で扱う重要概念のひとつ。 本ページでは「classification」を取り巻く中核キーワードを以下にチップで一覧化する。 各キーワードは関連する概念・手法・道具立てを含み、 文献検索や学習計画の起点になる。

これらのキーワードは「classification の理解 → 適用 → 検証」のプロセスを構成する。 各章で詳しく解説する。

🎨 直感で掴む

メールが届く。 これは spam か ham か？ 件名・送信者・本文を見て「spam」と振り分けるのが分類。 出力は連続値ではなく「spam クラス」「ham クラス」という離散ラベル。 健康診断結果から「糖尿病あり/なし」、 画像から「犬/猫/鳥」、 顧客データから「離脱する/しない」を当てる、 すべて分類タスク。

回帰との違い: 同じ「予測」でも「明日の気温は何度?」 (連続値 → 回帰) と「明日は晴れ/曇り/雨?」 (3 クラス → 分類) は出力空間が違う。 分類器は内部でクラスごとの確率 $P(y=c \mid x)$ を計算し、 最も高いクラスを選ぶ (argmax) という構造になっている。 だから「猫 0.7 / 犬 0.2 / 鳥 0.1」のような「自信の度合い」も同時に得られる。

SSDSE-B-2026 での例: 47 都道府県を「A1303 / A1101 (高齢化率)」が 32% 以上なら "高齢化進行県"、 未満なら "若年県" の 2 クラスに分けるとする。 説明変数として A1101 (人口)、 H1800 (新設住宅着工)、 J2503 (病院数) を使い、 ロジスティック回帰や決定木で「どの説明変数がクラス境界を決めているか」を可視化できる。 これが SSDSE で扱う典型的な分類タスク。

📐 定義・数式

入力 $\mathbf{x}$ に対し、 各クラス $k$ の確率 $P(y=k|\mathbf{x})$ を計算し、 最も高いクラスを予測ラベルとする。 2 クラスならロジスティック回帰、 多クラスならソフトマックスが代表。

📐 補足: 分類の数式を言葉で読み解く — ロジスティック損失と多クラス Softmax

分類器の学習で最も基本となる損失は クロスエントロピー (対数損失)。 二値分類では ロジスティック損失、 多クラスでは Softmax + クロスエントロピー として現れる。

数式

$$ L_{\text{binary}} = -\frac{1}{n}\sum_{i=1}^{n}\bigl[y_i \log \hat p_i + (1-y_i)\log(1-\hat p_i)\bigr] $$

$$ L_{\text{multi}} = -\frac{1}{n}\sum_{i=1}^{n}\sum_{k=1}^{K} y_{ik}\log \hat p_{ik}, \quad \hat p_{ik} = \frac{e^{z_{ik}}}{\sum_{j=1}^{K} e^{z_{ij}}} $$

🔬 数式を言葉で読み解く

• y_i: 真のラベル (0 または 1)。 多クラスでは one-hot ベクトル y_ik
• p̂_i: モデルが予測した「クラス 1 である確率」 (0〜1)
• z_ik: 多クラスでの「ロジット」(線形層の出力)。 Softmax で確率に変換
• log: 自然対数。 正解クラスに高い確率を割り当てるほど損失は 0 に近づき、 0 に近い確率を割り当てると損失は無限大に発散 → モデルは強くペナルティを受ける

🧮 実値で計算 — SSDSE-B-2026 高齢化率 30% 以上を 2 クラス予測

3 件のサンプル予測確率と真のラベルから対数損失を手計算。

🐍 Python 実装 — SSDSE-B-2026 で 2 クラス分類とクロスエントロピー

🎯 このコードでやること: SSDSE-B-2026 で「高齢化率 30% 以上か」を予測し、 sklearn の log_loss で対数損失を計算する。

📥 入力データ (SSDSE-B-2026 抜粋):

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22

import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline
from sklearn.model_selection import train_test_split
from sklearn.metrics import log_loss, accuracy_score, f1_score

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]            # 2023年のみ抽出
df['aging_rate'] = df['A1303'] / df['A1101']   # 高齢化率 = 65歳以上/総人口
df['label'] = (df['aging_rate'] >= 0.30).astype(int)

X = df[['A1101', 'A1303']]
y = df['label']
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.3, random_state=42)

clf = make_pipeline(StandardScaler(), LogisticRegression(max_iter=1000)).fit(X_tr, y_tr)
p = clf.predict_proba(X_te)

print(f'対数損失 = {log_loss(y_te, p):.4f}')
print(f'Accuracy = {accuracy_score(y_te, clf.predict(X_te)):.3f}')
print(f'F1       = {f1_score(y_te, clf.predict(X_te)):.3f}')

📤 実行例:

💬 結果の読み方: 対数損失 0.67 は完璧 (0) ではないが分類器として機能。 Accuracy 0.733 は 15 件中 11 件正解レベル、 F1 0.80 は精度と再現率のバランスが良い。 サンプル数が少ない (47 県) ため、 交差検証で安定性を確認すべき。

⚠️ 分類固有の落とし穴

• クラス不均衡で Accuracy を見る: 不正検知 (陽性率 1%) で「全件陰性」と予測しても Accuracy 99%。 PR-AUC や F1 を主指標にする
• 確率較正の不足: 出力確率 0.7 が実際の陽性率 70% に対応しているとは限らない。 Platt スケーリングや Isotonic 較正を検討
• 閾値固定の罠: 0.5 の閾値は業務最適ではない。 コスト行列に基づき閾値最適化 (例: 偽陰性のコストが偽陽性の 10 倍なら 0.1 寄りに)

🔬 数式を言葉で読み解く

数式に出てくる記号の意味を 1 つずつ確認しましょう。

$K$

クラス数。 2 なら二値分類、 3 以上なら多クラス分類。

$P(y=k|\mathbf{x})$

入力 $\mathbf{x}$ が与えられたときクラス $k$ である確率。

$\arg\max$

確率を最大化するクラスを選ぶ操作。

$\hat{y}$

予測クラスラベル。

🧮 実値で計算してみる

都道府県を「高齢化が進んだ県 (高齢化率 ≥ 30%)」「進んでいない県」に分類するモデルを作る。

🧮 数式に値を入れて手で計算する — 混同行列・accuracy・precision・recall・F1

合成 2 クラス分類結果（TP=10, TN=15, FP=3, FN=2、 合計 30 件）を代入し、 accuracy / precision / recall / specificity / F1 の 5 指標を Step 1〜4 で展開する。 同じ計算を Python で再現し、 結果が完全一致することを確認する。

📐 用語の主要数式（再掲）

$$ \text{accuracy} = \frac{TP+TN}{TP+TN+FP+FN}, \;\; \text{precision} = \frac{TP}{TP+FP}, \;\; \text{recall} = \frac{TP}{TP+FN}, \;\; F_1 = \frac{2 \cdot P \cdot R}{P+R} $$

accuracy は全体の正答率、 precision は陽性予測の的中率、 recall は陽性の取りこぼし率の裏、 F1 は precision と recall の調和平均。

Step 1: 混同行列（30 件の合成データ）

合計 30 件のうち、 真の陽性 12 件・真の陰性 18 件。 陽性予測は 13 件、 陰性予測は 17 件。

Step 2: 各指標の計算（数式に代入）

Step 3: F1 スコア（precision と recall の調和平均）

分数のまま厳密に計算すると、 F1 = 2 × (10/13) × (10/12) / (10/13 + 10/12) = 20/25 = 0.8000。

Step 4: 指標の解釈

🐍 同じ計算を Python で再現

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20

import numpy as np
from sklearn.metrics import (accuracy_score, precision_score,
                              recall_score, f1_score, confusion_matrix)

# Step 1: 混同行列から y_true, y_pred を逆構成
# TP=10, FN=2 (実陽性 12), FP=3, TN=15 (実陰性 18)
y_true = np.array([1]*12 + [0]*18)
y_pred = np.array([1]*10 + [0]*2 + [1]*3 + [0]*15)

cm = confusion_matrix(y_true, y_pred)
print(f"混同行列:\n{cm}")

acc  = accuracy_score(y_true, y_pred)
prec = precision_score(y_true, y_pred)
rec  = recall_score(y_true, y_pred)
f1   = f1_score(y_true, y_pred)
print(f"accuracy  = {acc:.4f}")
print(f"precision = {prec:.4f}")
print(f"recall    = {rec:.4f}")
print(f"F1        = {f1:.4f}")

📤 実行結果

💬 手計算（Step 2: accuracy=0.8333, precision=0.7692, recall=0.8333、 Step 3: F1=0.8000）と Python 出力が完全一致。 sklearn の混同行列は [[TN, FP], [FN, TP]] の順なので、 [[15,3],[2,10]] は Step 1 と整合する。

🎮 触って理解する

ここは決定境界・混同行列・閾値の 3 点を手で動かして体感する実験室です。 数式や個別分類器（ロジスティック回帰など）の解説は他ページに譲り、 ここでは「境界を動かすと指標がどう変わるか」だけに集中します。 使うデータはすべて架空（このページ用に生成した仮想的な 2 クラス点）で、 現実の SSDSE 値ではありません。 乱数はシード固定なので、 誰が開いても最初の配置は同じです。

① 決定境界を動かす — 混同行列がリアルタイムに変わる

青 ●＝陽性クラス、 橙 ●＝陰性クラス（いずれも架空）。 直線 y = 傾き·x + 切片 より上側を「陽性と予測」します。 スライダーで境界を動かすと、 各点が TP / FP / FN / TN のどれになるかが変わり、 右の混同行列と精度・適合率・再現率が即座に更新されます。 点はドラッグで移動、 空白をクリック/タップで追加（下のトグルで追加する色を選択）できます。

② 閾値を動かす — 適合率と再現率のトレードオフ

分類器は本来「陽性である確率（スコア）」を出し、 閾値以上を陽性と判定します。 下は 20 件（架空）のスコア分布。 青＝真陽性、 橙＝真陰性。 縦線（閾値）をドラッグすると、 線の右側が陽性予測になります。 閾値を上げると適合率↑・再現率↓、 下げると逆になる ── デフォルト 0.5 が常に最適ではないことを体感してください。

適合率・再現率を両立できないのは、 陽性と陰性のスコア分布が重なるから。 全閾値を横断的に見るのが ROC 曲線 と AUC です（→ 発展）。

③ クラス不均衡と「正解率の罠」

全 100 件のうち陽性の数をスライダーで変えます。 「全部陰性と予測するだけの怠けモデル」と「まともに学習したモデル（再現率 60%・誤検知 5%）」を比較。 陽性が少ないほど、 何も当てていない怠けモデルでも正解率が跳ね上がるのに、 F1 はゼロのまま ── これが 正解率だけを見てはいけない理由（accuracy paradox）です。

🧭 ここから何を持ち帰るか

• 直感：分類とは「特徴空間を境界で領域に分ける」こと。 境界の向き（傾き）と位置（切片）が、 どの点をどちらに割り当てるかを決める。
• 落とし穴①（正解率の罠）：不均衡データでは、 何もしない多数派予測でも正解率が高く出る。 必ず 適合率・再現率・F1・混同行列を併記する。
• 落とし穴②（閾値依存）：0.5 は既定値にすぎない。 見逃しコストが高いなら閾値を下げ（再現率重視）、 誤検知コストが高いなら上げる（適合率重視）。
• 落とし穴③（過学習）：この実験室では全点を使って境界を最適化できるが、 現実は未知データでの性能が本番。 訓練データで境界を完璧に合わせても汎化するとは限らない。
• 発展：多クラス（1 本の直線では分けられない → softmax や複数境界）、 ROC 曲線・AUC（全閾値を横断評価）、 確率的分類（確率較正で「0.7」を実頻度に合わせる）へ。

🐍 Python 実装

最小実装の例。 SSDSE のような実データに対して、 まずはコピペで動かしてみるのが理解の早道です。

1
2
3
4
5
6
7
8

import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]
y = (df['A1303'] / df['A1101'] >= 0.30).astype(int)  # 高齢化率30%以上=1
X = df[['A4101', 'A4103']]  # 出生数・合計特殊出生率
print(classification_report(y, LogisticRegression(max_iter=1000).fit(X, y).predict(X)))

🐍 3 つのアルゴリズムをクロスバリデーションで比較

分類問題で「どれが一番強いか」を比較するときは、 必ず 同じデータ × 同じ評価指標 × 同じ分割 で揃えます。 ここでは LogisticRegression / RandomForestClassifier / SVC を 5 分割クロスバリデーションで比較。 結果の「平均」と「分散」を両方見るのが重要です。

このコードでやること：先ほどの SSDSE-B-2026 高齢化フラグタスクに、 3 アルゴリズムを cross_val_score で適用し、 平均精度と標準偏差を比較する。

📥 入力：先ほど作った X（47×3、 birth/death/net_in） と y（47 要素、 0/1）。 ラベル分布は {0: 24, 1: 23} でほぼ均衡。

1
2
3
4
5
6
7
8
9
10
11
12

from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC
from sklearn.model_selection import cross_val_score

models = {
    'LogReg': LogisticRegression(max_iter=1000),
    'RF':     RandomForestClassifier(n_estimators=100, random_state=0),
    'SVM':    SVC(probability=True),
}
for name, m in models.items():
    s = cross_val_score(m, X, y, cv=5, scoring='accuracy')
    print(f'{name:6} acc\tmean={s.mean():.3f}  std={s.std():.3f}')

📤 実行すると次の出力が得られる：

💬 結果の読み方：RF（ランダムフォレスト）の平均精度が 91.6% で最高だが、 標準偏差 0.076 も大きい。 LogReg は 89.6% と僅差で、 ばらつきが小さく安定（std=0.063）。 SVM は今回の小サンプル（n=47）では不利で、 平均 85.3%・ばらつき大。 「47 件の小規模問題では、 解釈しやすい LogReg を主モデルに、 RF で検証」が現実的な選択。

なぜ「学習精度」と「CV 精度」がずれるのか

先ほどの LogReg 単独学習精度は 95.7% でしたが、 5-fold CV の平均では 89.6% に下がりました。 これは 47 件中 9-10 件を「未知データ」として除外し、 残り 38 件で学習したモデルで予測しているから。 47 件全部で学習した数字は 過信になりやすい。 論文・レポートでは必ず CV または train/test 分割の結果を載せます。

🔍 train/test 分割で混同行列・F1・AUC を一望する

CV の平均値だけでは「どんな間違いをしたか」が見えません。 ここで train/test 分割 をしてホールドアウトしたテストデータに対する 混同行列・適合率・再現率・F1・AUC をすべて出して、 モデルの癖を観察します。

このコードでやること：47 件を 7:3 で層化分割し、 ロジスティック回帰を訓練して、 主要評価指標を一覧表示する。

📥 入力：先ほどの X（47×3）と y（47 要素）。 train_test_split で 33 件を訓練、 14-15 件をテストへ層化分割。

1
2
3
4
5
6
7
8
9
10
11
12
13
14

from sklearn.model_selection import train_test_split
from sklearn.metrics import (confusion_matrix, classification_report,
                              roc_auc_score)

Xtr, Xte, ytr, yte = train_test_split(
    X, y, test_size=0.3, random_state=42, stratify=y)
m = LogisticRegression(max_iter=1000).fit(Xtr, ytr)
yp    = m.predict(Xte)
yprob = m.predict_proba(Xte)[:, 1]

print('== 混同行列 ==')
print(confusion_matrix(yte, yp))
print(classification_report(yte, yp, target_names=['未進行', '進行']))
print(f'AUC = {roc_auc_score(yte, yprob):.3f}')

📤 実行すると次の出力が得られる：

💬 結果の読み方：テスト 15 県のうち、 未進行（陰性）4 件は 2 件正解・2 件を「進行」と誤判定（FP=2）。 進行（陽性）11 件のうち 10 件は正解、 1 件のみ「未進行」と誤判定（FN=1）。 accuracy は 0.80、 進行クラスの F1 は 0.87、 AUC=0.864。 陽性が 11 件・陰性が 4 件と偏っているため、 accuracy より クラス別の precision/recall を見るべき水準。 ただしテスト 15 件は信頼区間が広いので、 数値を絶対視せず、 後段で 閾値変更 による感度の変化も観察するのが良い。

指標と混同行列セルの対応関係

⚠️ よくある落とし穴

この用語を使うときに陥りがちな失敗パターン。 経験者ほどここに 1 度はハマっています。

⚠️ 追加の落とし穴（実務でハマる 6 連発）

🎚️ 閾値を動かして Precision / Recall のトレードオフを観察する

分類モデルは内部で 確率 を出し、 通常 0.5 を境にラベル化します。 でも本当の境界は業務コストで決まる。 ここでは閾値を 0.1〜0.9 で動かし、 Precision・Recall・F1 がどう変化するかを SSDSE-B-2026 データで観察します。

このコードでやること：先ほどの LogReg の予測確率から、 閾値を 0.1 刻みで変えながら適合率・再現率・F1 を計算してテーブル化する。

📥 入力：先ほどの yte（テスト 15 件のラベル）、 yprob（陽性クラスの予測確率）。

1
2
3
4
5
6
7
8
9
10
11
12

import numpy as np
from sklearn.metrics import precision_score, recall_score, f1_score

rows = []
for th in np.arange(0.1, 1.0, 0.1):
    yhat = (yprob >= th).astype(int)
    rows.append((round(th, 1),
                  precision_score(yte, yhat, zero_division=0),
                  recall_score(yte, yhat),
                  f1_score(yte, yhat, zero_division=0)))
print('threshold | precision | recall | F1')
for th, p, r, f1 in rows:
    print(f'{th:9.1f} | {p:9.3f} | {r:6.3f} | {f1:5.3f}')

📤 実行すると次の出力が得られる：

💬 結果の読み方：閾値 0.1 が F1 最高（0.917）で、 0.2〜0.6 では 0.870 と横ばい。 業務上「見逃したくない（Recall 重視）」なら閾値を下げ、 「誤検知を減らしたい（Precision 重視）」なら上げる。 このデータでは 0.8 まで上げても Precision は 0.900 にしか上がらず Recall が 0.818 に落ちるので、 閾値を動かす旨みは小さい。 デフォルト 0.5 が常に最適ではない、 という事実を体感できる。 医療では低閾値、 スパム検知では高閾値、 のように 業務コスト から逆算するのが本道。

業務コストから閾値を選ぶ式

$C_{FN}$ は偽陰性 1 件の業務コスト（病気見逃し = 致命的なら大）、 $C_{FP}$ は偽陽性 1 件のコスト（追加検査の費用）。 両者の比から最適閾値が決まる。 単に F1 最大化ではなく、 ビジネス指標で最適化するのが現代の流儀。

🧬 特徴量の効き具合を係数で読む（解釈可能性）

分類モデルの「結果」だけでなく「なぜそう判定したか」を説明できると、 業務での説得力が桁違いに上がります。 ロジスティック回帰の 係数 は log-odds の変化 を表し、 オッズ比 に変換すると「特徴量 1 単位増えると陽性オッズが何倍になるか」が読めます。

このコードでやること：SSDSE-B-2026 高齢化フラグタスクのロジスティック回帰係数を取り出し、 オッズ比に変換して表示する。 ランダムフォレストの特徴量重要度も併記。

📥 入力：先ほどの X = [birth, death, net_in]（47×3）と y。 StandardScaler で標準化して係数を比較可能に。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

from sklearn.preprocessing import StandardScaler
import numpy as np

scaler = StandardScaler()
Xs = scaler.fit_transform(X)
logs = LogisticRegression(max_iter=1000).fit(Xs, y)
rf   = RandomForestClassifier(n_estimators=200, random_state=0).fit(X, y)

cols = ['birth', 'death', 'net_in']
print('== LogReg (標準化後の係数) ==')
print(f'intercept: {logs.intercept_[0]:.3f}')
for c, w in zip(cols, logs.coef_[0]):
    print(f'  {c:7}: coef={w:+.3f}  オッズ比={np.exp(w):.2f}')
print('== RandomForest (重要度) ==')
for c, imp in zip(cols, rf.feature_importances_):
    print(f'  {c:7}: {imp:.3f}')

📤 実行すると次の出力が得られる（典型例）：

💬 結果の読み方：LogReg の係数（標準化後）を見ると、 death（死亡率）の係数 +3.29 が最大、 オッズ比 26.77。 死亡率が標準偏差 1 つ分高い県は、 高齢化進行クラスのオッズが 約 27 倍に。 出生率は逆方向（オッズ比 0.12 = 1/8 に下がる）。 RF の重要度も death が最大（0.60）で一致。 「死亡率が高齢化フラグの最強予測子」という結論は両モデルで支持される。

標準化前後で係数の意味が違う

解釈可能性の三段階

1. 係数・重要度（global、 モデル全体） — まず確認するのはここ
2. 部分依存プロット PDP（global、 特徴量と確率の関係を曲線で可視化）
3. SHAP / LIME（local、 1 サンプルごとの寄与） — 個別判定の説明責任が必要な場面

医療・金融・採用など 説明責任 が求められる領域では、 解釈可能性は精度と同等以上に重要。 RF や勾配ブースティングは精度が高い反面、 解釈は SHAP 等のツールで補強する必要があります。

🛠️ Pipeline で「再現可能な分類」を組み立てる

前処理 → 学習 → 予測を Pipeline でひとまとめにすると、 リークを防ぎ、 train/test や CV の各 fold で正しく前処理が適用されます。 これは「分類」を超えてあらゆる機械学習タスクの標準形。

このコードでやること：SSDSE-B-2026 高齢化フラグタスクで StandardScaler → LogisticRegression のパイプラインを構築し、 GridSearchCV で正則化強度 C を探索する。

📥 入力：先ほどの X, y。 5-fold CV で C を [0.01, 0.1, 1, 10, 100] から選ぶ。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14

from sklearn.pipeline import Pipeline
from sklearn.model_selection import GridSearchCV

pipe = Pipeline([
    ('scaler', StandardScaler()),
    ('clf',    LogisticRegression(max_iter=1000, random_state=0)),
])

grid = GridSearchCV(pipe,
                    {'clf__C': [0.01, 0.1, 1, 10, 100]},
                    cv=5, scoring='f1').fit(X, y)
print(f'最良 C: {grid.best_params_["clf__C"]}')
print(f'CV F1 平均: {grid.best_score_:.3f}')
print('C別 F1:', dict(zip(grid.cv_results_['param_clf__C'].data, grid.cv_results_['mean_test_score'].round(3))))

📤 実行すると次の出力が得られる（典型例）：

💬 結果の読み方：C=1 が最良（F1=0.948）。 C は正則化の逆数なので、 小さいほど強い正則化。 C=0.01 では F1=0.854 まで落ち、 C=10 以上では 0.933 と横ばい〜わずかに悪化。 「正則化を弱めすぎると過学習、 強めすぎるとアンダーフィット」の典型例。 標準化を Pipeline 内に入れたので、 各 fold で訓練データの mean/std を使って fit_transform、 テストには transform のみ ── リークなし。

Pipeline を使わないと起きる悲劇

• リーク: テストを含む全データで fit_transform → CV スコアが過大評価
• 再現性低下: 前処理コードがあちこちに散らばり、 後で誰も再現できない
• 本番デプロイ困難: 前処理と分類が分離していると、 推論時に同じ手順を再現する必要
• ハイパラ探索の漏れ: 前処理パラメータと分類器パラメータを同時に探索できない

本番デプロイのチェックリスト

1. ✅ 前処理 + 学習を Pipeline でひとまとめにしたか
2. ✅ joblib.dump(pipe, 'model.pkl') でモデルを保存（前処理込み）
3. ✅ 推論時は joblib.load で読み込み、 生の入力を predict に渡すだけ
4. ✅ 入力スキーマ（列名・型）を pydantic 等で検証
5. ✅ 学習データの分布と本番データの分布が違わないかを 定期モニタリング（drift detection）
6. ✅ 性能が落ちたら 再学習トリガー を発動

📝 SSDSE-B-2026 実演まとめと持ち帰り

本ページ後半で行ってきた実演を 1 ページに整理します。 分類タスクを実務で進めるとき、 この流れを「型」として身に付けてください。

最終アクションリスト（コピペ可）

1. SSDSE-B-2026 を encoding='cp932', skiprows=[1] で読み込む
2. 2023 年の 47 都道府県を抽出（df['SSDSE-B-2026']==2023）
3. ラベルを定義（高齢化率閾値）＋ 説明変数を 1000 人当たり率で計算
4. cross_val_score で 3 モデル比較 → 上位 1-2 候補に絞る
5. train_test_split(stratify=y) で hold-out 評価 → 混同行列・F1・AUC を併記
6. 閾値を 0.1〜0.9 で振り、 業務コストに合った閾値を選ぶ
7. 不均衡度を変えて頑健性を確認、 必要なら class_weight='balanced' や閾値調整
8. 係数・特徴量重要度を読み、 「なぜそう判定したか」を説明可能にする
9. Pipeline で前処理 + 分類器をまとめ、 GridSearchCV でハイパラ最適化
10. 結果は 数値 + 不確実性 + 限界 の 3 点セットで報告

本ページで実行したコードを jupyter notebook で再現する

本ページの 6 つのコードブロックは、 順番に Jupyter のセルに貼り付ければそのまま動きます（SSDSE-B-2026.csv を data/raw/ 配下に置くこと）。 6 セル合計で 50 行程度、 実行時間は MacBook で 3 秒以内。 手元で動かしながらこのページを再度読むと、 数字と挙動が体に染み込みます。 「読むだけ → 動かして読む → 改造して読む」の 3 段階を踏むのが、 最速の習得法です。

本ページが想定する学習者像

• 大学生・大学院生: 卒論・修論で分類モデルを使う必要がある
• 新人エンジニア: 業務で「分類器を作って」と言われ、 全体像を素早く把握したい
• 事業企画・データアナリスト: 自分で実装しなくても「何が起きているか」を理解したい
• 論文の読者: 査読中の論文で F1, AUC, SMOTE 等が出てきて意味を確認したい

どの層でも、 「30 秒結論 → 直感 → 数式 → Python → 落とし穴」の順で読めば 20-30 分で要点が掴めます。 後半の SSDSE-B-2026 実演は、 手を動かす段階で 必須 です。

類似タスクへの応用シナリオ

SSDSE-B-2026 の高齢化フラグタスクで身に付けた型は、 これら業務タスクすべてに横展開できます。 違うのは ラベル設計・業務コスト・注目指標 の 3 点のみ。 本ページの枠組みを応用して、 自分の業務データに当てはめてみてください。

🌐 関連手法・派生

この用語を理解したら、 自然と気になる発展トピック・派生手法を紹介します。

🌐 多クラス分類：「人口階層」3 クラスを判別

2 値分類だけで終わらせず、 多クラスにも踏み込みます。 SSDSE-B-2026 の総人口を 3 等分（小=16 県、 中=15 県、 大=16 県）し、 「人口階層」を予測する 3 クラス問題に拡張。 説明変数は 出生率・死亡率・転入超過率 の 3 つのまま。

このコードでやること：pd.qcut で総人口を 3 階層に分け、 multi_class='multinomial' のロジスティック回帰で 3 クラス分類を実行する。

📥 入力：先ほどの df。 df['A1101']（総人口）を pd.qcut(..., q=3) で 3 ビンに離散化したラベル y3 を新たに作成。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

df['pop_class'] = pd.qcut(df['A1101'], q=3, labels=['small', 'medium', 'large'])
y3 = df['pop_class']
# birth / death / net_in という列は無い。実在する列から作る
df['birth'] = df['A4101']                       # 出生数
df['death'] = df['A4200']                       # 死亡数
df['net_in'] = df['A5101'] - df['A5102']        # 転入者数 − 転出者数
X3 = df[['birth', 'death', 'net_in']]

Xtr, Xte, ytr, yte = train_test_split(X3, y3, test_size=0.3, random_state=7, stratify=y3)
# multi_class 引数は sklearn 1.7 で廃止（lbfgs では多項が既定）
m3 = LogisticRegression(max_iter=2000).fit(Xtr, ytr)
yp3 = m3.predict(Xte)
print('== 多クラス混同行列 ==')
print(confusion_matrix(yte, yp3, labels=['small', 'medium', 'large']))
print(classification_report(yte, yp3))

📤 実行すると次の出力が得られる（典型例）：

💬 結果の読み方：3 クラスにすると精度は 71% に落ちる（2 値の 93% と比べて）。 とくに medium クラスが混同されやすい（小と大の境界に位置するため）。 これは「クラス境界が連続的なときに、 離散カテゴリ化すると性能が落ちる」という分類の典型的限界。 連続値の予測が許される場面では 回帰（→ 線形回帰）を検討すべき。

2 値 vs 多クラス：観察ポイント

• クラス数が増えると 各クラスの学習データが減る → 精度が下がりやすい
• 多クラスでは macro avg と weighted avg を必ず併記する（クラスサイズで重み付けの有無）
• 1 vs Rest（OvR）か multinomial か、 ロジスティック回帰でも選べる（後者の方が確率較正は良い）
• クラス境界が連続的なら、 分類より回帰の方が情報損失が少ない

⚖️ クラス不均衡を作って「精度の罠」を体験する

先ほどのタスクはほぼ均衡（24 vs 23）でしたが、 現実は 陽性 5% / 陰性 95% のような極端な不均衡が普通です。 ここでは閾値を変えて「高齢化率 ≥ 36%」とし、 人工的に不均衡（陽性わずか 2 県）を作って、 精度の罠を体験します。

このコードでやること：閾値を 36% に引き上げて陽性 2 / 陰性 45 の不均衡データを作り、 「全部陰性予測のダミーモデル」と「ロジスティック回帰」の Accuracy / F1 を比較する。

📥 入力：先ほどの df。 高齢化率 ≥ 36% を陽性とした y_imb を作る。 陽性: 秋田・高知の 2 県のみ。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

from sklearn.dummy import DummyClassifier
from sklearn.metrics import accuracy_score, f1_score

# aging_rate という列は無いので、65 歳以上人口 ÷ 総人口 で作る
df['aging_rate'] = df['A1303'] / df['A1101']
y_imb = (df['aging_rate'] >= 0.36).astype(int)
print('不均衡ラベル分布:', y_imb.value_counts().to_dict())

dummy = DummyClassifier(strategy='most_frequent').fit(X, y_imb)
log   = LogisticRegression(max_iter=1000).fit(X, y_imb)

for name, m in [('Dummy(全陰性)', dummy), ('LogReg', log)]:
    yp = m.predict(X)
    print(f'{name:14} Acc={accuracy_score(y_imb, yp):.3f}  '
          f'F1(陽性)={f1_score(y_imb, yp):.3f}')

📤 実行すると次の出力が得られる：

💬 結果の読み方：何も学習しない「全部陰性」ダミーが 95.7% も精度を出す！ でも陽性 F1 はゼロ（陽性を 1 つも当てない）。 学習した LogReg は Accuracy こそ同じ 95.7% だが、 F1=0.5 で陽性 2 県のうち 1 県を正しく捉えている。 もし「Accuracy 95.7%」だけ報告したら両者は区別できず、 F1 を見て初めて差が分かる。 不均衡データでは F1・Precision・Recall・PR-AUC を必ず併記する。 これが accuracy paradox の本質。

不均衡対策の選択肢

🔗 関連用語 (前提・並列・発展)

この用語と直接結びつく前提・並列・発展用語。 学習順序の参考にどうぞ。

🔗 関連用語をたどる学習ルート

分類は単独で完結しません。 前提・並列・発展用語へ計画的にリンクをたどることで、 体系として理解が深まります。 以下のルートを参考にしてください。

前提として押さえたい

• 機械学習 — 分類はそのサブ領域
• 教師あり学習 — 入出力ペアから学ぶ枠組み
• ロジスティック回帰 — 確率出力の代表手法
• クロスバリデーション — モデル選択の標準
• 訓練・テスト分割 — 過学習を測る最小単位

並列・派生として知っておきたい

• 決定木 / ランダムフォレスト / SVM — 代表的分類器
• ナイーブベイズ — テキスト分類で頻出
• k-近傍法 — 距離ベースの分類
• ニューラルネットワーク — 高次元・大規模で強い
• アンサンブル法 — 複数モデルを組み合わせる

発展として深掘りしたい

• 評価指標 — 本ページの実演で扱った混同行列・F1・AUC を体系的に学ぶ
• AUC / ROC 曲線 — 閾値非依存の評価
• クラス不均衡 — accuracy paradox への対処
• 適合率 / 再現率 — 業務コストとの対応
• 混同行列 — 誤りの種別を可視化
• 確率較正 — 出力確率の信頼性向上

📚 関連グループ教材・さらに学ぶには

このサイト内

• 論文一覧に戻る — 分類 を実際に使った再現論文をハンズオン形式で読む
• 関連用語ページ — このページの「🔗 関連用語」から派生
• 用語集トップ — 全用語を一覧で確認
• 概念マップ — 用語間の関係を視覚化

推奨書籍・教材

• 『統計学入門』（東京大学出版会）― 日本語統計入門の定番。 ML基礎 の基礎が押さえられる。
• 『Pythonによるデータ分析入門』（Wes McKinney、 O'Reilly）― pandas 作者による実装ガイド。
• 『機械学習のエッセンス』（加藤公一、 SBクリエイティブ）― ML 基礎を Python で実装しながら学ぶ。
• 『因果推論の科学』（Judea Pearl、 文藝春秋）― 相関と因果の違いを徹底解説。

オンライン教材

• scikit-learn 公式ドキュメント — 機械学習の標準実装。
• StatQuest (YouTube) — 統計概念を直感的に解説。
• Coursera / edX — 体系的なオンライン講座。
• SSDSE 公式 — 本サイトで使う公的データの提供元。

困ったときは

1. データの可視化 (散布図・ヒストグラム・箱ひげ図) で全体像を把握
2. サンプルサイズ・欠損・外れ値を確認
3. 適用条件 (前提) が満たされているか診断
4. 類似研究での標準的な手法を確認
5. 結果を複数手法でクロスチェック

📜 歴史的背景と学習の位置づけ

分類 は ML基礎 の領域で発展してきた概念です。 ここでは大まかな歴史的背景と、 なぜこの概念が必要になったのかを整理します。 用語が「降ってきた」のではなく、 現実の問題を解くために順番に編み出されたものだと知ると、 学習の納得感が違います。

なぜこの概念が生まれたか

データ分析や AI を実務で使うと、 「単純な数式」「直感だけのモデル」では太刀打ちできない場面が必ず出てきます。 分類 は、 そうした実務的な課題を整理し、 共通言語として定式化したものです。 そのため、 教科書だけで完結する話ではなく、 使う場面と使わない場面を見極めることが何より重要になります。

学習の位置づけ

• 初学者：まず「30秒で分かる結論」「直感で掴む」だけ読めば、 論文に出てきたときに「あ、 あれね」と分かります。
• 中級者：数式と Python 実装をセットで覚え、 自分の手元データに適用できる状態を目指します。
• 上級者：落とし穴と派生手法を理解し、 場面に応じた使い分け・改良ができることが目標です。

🔍 近接概念との比較

同じ ML基礎 カテゴリにある近接概念と、 分類 はどう違うのか？ 混同しがちなポイントを整理します。

📌 使い分けの原則： まずは本ページの定義を押さえ、 次に「🌐 関連手法・派生」「🔗 関連用語」のリンクから近接概念を確認し、 自分の問題に対してどれを使うか意識的に選ぶことを習慣にしてください。

❓ よくある質問 (FAQ)

本サイトの教材を読み進めるなかで、 受講者からよく質問される項目をまとめました。

✅ 実務チェックリスト

分析作業のなかで 分類 を使うときは、 以下のチェックリストを上から順に確認してください。 抜けがあると後工程で痛い目に遭います。

① 分析設計フェーズ

• □ 目的を 1 文で書けるか？ (「何を、 どうしたいか」)
• □ 分類 がその目的に 本当に合っているか？
• □ 必要なデータの種類・量・期間を見積もったか？
• □ 結果をどう報告・意思決定に使うか、 事前に決めたか？

② データ準備フェーズ

• □ データの出典・取得日を記録したか？ (再現性)
• □ 列の尺度 (名義 / 順序 / 間隔 / 比例) を確認したか？
• □ 欠損・外れ値の方針を決めたか？
• □ サンプルサイズは手法の最低要件を満たしているか？

③ 分析実行フェーズ

• □ 前提条件を満たしているか診断したか？
• □ 結果は複数手法でクロスチェックしたか？
• □ コードは Git で管理しているか？
• □ 結果が 外れ値 1 件で激変しないか確認したか？

④ 解釈・報告フェーズ

• □ 数値と不確実性 (CI / SE) を併記したか？
• □ 「相関 ≠ 因果」の境界を踏み越えていないか？
• □ 適用範囲外への拡張主張を避けたか？
• □ 限界・前提を明示したか？

📝 レポート・論文での書き方

論文・社内レポート・ステークホルダー報告書で 分類 を扱うとき、 含めるべき項目とテンプレートをまとめました。

必須記載項目

🎓 深掘り：シナリオで身につける

ここまで定義・計算・落とし穴を見てきました。 ここでは 分類 をより深く理解するための思考フレームと実務シナリオを、 ストーリー形式で整理します。 用語そのものより、 「どんなときに思い出して、 どう使うか」を体に染み込ませることが、 教材を読む真の目的です。

シナリオ A：研究室での卒論データ分析

「卒業研究で 47 都道府県のデータを分析したい」。 そんなとき 分類 はどう登場するでしょうか。 担当の先生から「データを見たうえで、 関連する手法を 1 つ選んで適用してきて」と言われたとします。 まずデータの性質 (量・尺度・期間) を確認し、 「分類 がこの問題に合っているか」を本ページの 30 秒結論で照らし合わせます。 もし合っていれば、 落とし穴セクションで「やってはいけないこと」をチェック、 計算例を真似して結果を出し、 解釈を言葉でまとめる ── 卒論の 1 セクション分の作業がここで完結します。

シナリオ B：データサイエンスのインターン

企業のインターンで「過去 3 年の顧客データから来期の予測モデルを作って」と任された。 上司は 分類 を当然知っている前提で話します。 言葉が通じないと議論についていけません。 そこで本ページの「定義・数式」「Python 実装」を 30 分で 押さえ、 上司の使う用語に追随する ── ジャストインタイム学習の典型シーンです。 後日、 自分でも実装した結果を上司に説明するとき、 「レポート・論文での書き方」テンプレートに沿って書けば、 過不足なく伝えられます。

シナリオ C：論文を読んでつまずいたとき

本サイトのトップから論文一覧をたどり、 ある論文を読んでいたら 分類 が出てきた。 「これ、 なんだっけ？」と思った瞬間、 本ページに飛んでくる ── これが ジャストインタイム型教材の使い方です。 30 秒結論を読み、 「あ、 そういう意味か」と納得したら、 元の論文に戻ります。 必要に応じて落とし穴セクションだけ読んで、 著者の解釈が妥当か批判的に確認することも可能です。

よくある誤解 3 連続

意思決定フレーム：使う？使わない？

🎯 このページのまとめ

🧭 サイト内ナビゲーション

本ページは、 統計・データ解析コンペティションの再現論文集に付随する用語解説の 1 ページです。 分類 以外の用語も、 同じフォーマットで以下からたどれます。

• 📚 用語集トップ — 514 用語の一覧
• 🗺 概念マップ — 用語間の関係を視覚化
• 📖 論文一覧へ戻る — 約 160 本の再現論文ハンズオン

本サイトは「ジャストインタイム型データサイエンス教育」を掲げ、 「学んでから使う」ではなく「使うときに学ぶ」スタイルで設計されています。 ある論文の手法を理解する過程で出会った専門用語を、 その場で本ページに飛んで補完してから論文に戻る ── そのような使い方を想定しています。

🧪 SSDSE-B-2026 で「高齢化フラグ」分類を体験する

ここからは SSDSE-B-2026（独立行政法人統計センター 教育用標準データセット B-2026 版、 47 都道府県 × 12 年分の人口・経済指標）を題材に、 分類タスクの全工程を 実値で 体験します。 数式・概念をいったん横に置き、 「コードを動かす → 数字を解釈する → 落とし穴に気づく」ループで身体に染み込ませることが目的です。

タスク設定：2023 年の「高齢化進行県 / 未進行県」を 2 値分類する

SSDSE-B-2026 から 2023 年の 47 都道府県データを抽出し、 65 歳以上人口 ÷ 総人口で計算した 高齢化率 が 32% 以上なら「高齢化進行県 (1)」、 未満なら「未進行県 (0)」とラベル付けします。 説明変数は 出生率（出生数 ÷ 総人口 × 1000）、 死亡率（死亡数 ÷ 総人口 × 1000）、 転入超過率（転入−転出 ÷ 総人口 × 1000）の 3 つ。 自然動態と社会動態の 2 軸で高齢化が説明できるか、 を検証する設定です。

$\sigma$ はシグモイド関数で、 任意の実数を $(0,1)$ の確率にマッピングします。 線形結合 $\beta_0 + \beta_1 x_1 + \cdots$ を確率に変換するのが分類の基本形。 SVM や RF など他手法はこの確率推定の方法を変えたものと捉えると、 横の比較がしやすくなります。

数式を言葉で読み解く（今回の判別式）

$\beta_0$（バイアス項）

説明変数がすべて 0 のときの log-odds。 ベースラインのオフセット。

$\beta_1, \beta_2, \beta_3$（係数）

符号の 方向 が因子の寄与方向を示す。 $\beta_1<0$ なら「出生率が高いほど高齢化フラグ=1 の確率が下がる」と読む。

$\sigma(z)$

スコア $z$ を確率に変換。 $z=0$ で 0.5、 $z\to+\infty$ で 1、 $z\to-\infty$ で 0。 二値分類の代表的リンク関数。

$\mathbb{1}[\cdot]$（指示関数）

中身が真なら 1、 偽なら 0。 確率 ≥ 0.5 を「1 クラス」と離散化する操作。

手計算で 1 件確認：北海道 2023

SSDSE-B-2026 の北海道 2023 年は、 総人口 5,092,000 人、 65 歳以上 1,681,000 人、 出生数 24,430 人、 死亡数 75,120 人。 ここから手計算で各指標を確認しておきましょう。

北海道は出生率が全国平均（約 5.73）より低く、 死亡率が高い。 高齢化フラグ=1 の典型例で、 モデルが「正しく 1 と予測」できるかは後段で確認します。

📥 入力データ（SSDSE-B-2026 抜粋・2023 年・47 都道府県）

このコードでやること：SSDSE-B-2026 から 2023 年 47 都道府県を抽出し、 高齢化率を計算してラベル化、 ロジスティック回帰で分類モデルを学習する。

1
2
3
4
5
6
7
8
9
10
11
12
13

import pandas as pd
from sklearn.linear_model import LogisticRegression

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]
df['aging_rate'] = df['A1303'] / df['A1101'] * 100
df['birth']      = df['A4101'] / df['A1101'] * 1000
df['death']      = df['A4200'] / df['A1101'] * 1000
df['net_in']     = (df['A5101'] - df['A5102']) / df['A1101'] * 1000
y = (df['aging_rate'] >= 32).astype(int)
X = df[['birth', 'death', 'net_in']]
model = LogisticRegression(max_iter=1000).fit(X, y)
print('ラベル分布:', y.value_counts().to_dict(), ' 学習精度:', model.score(X, y))

📤 実行すると次の出力が得られる：

💬 結果の読み方：47 都道府県のうち高齢化進行 23 県、 未進行 24 県とほぼ均衡したラベルになった。 ロジスティック回帰の 学習データ 精度は 95.7%。 ただしこれは過適合に近い数字で、 後段のクロスバリデーションで「未知データ」での実力を測る必要がある。

🗺 概念マップ

「分類」を中心に、 教師あり学習・特徴量設計・モデル評価指標 (precision/recall/F1)・中規模データ実用域・クラス不均衡対策を 6 方向で配置した俯瞰図。 分類器の選択 → 学習 → 評価 → 不均衡対策の流れを 1 枚で示す。

上の概念マップは「分類」を中心に、 結果の読み方（precision/recall/F1）と medium（中規模データでの実用域）、 各クラスの学習データ不足（class imbalance リスク）を 3 方向で並べた俯瞰図である。 中央ノードから放射する 3 つの軸を眺めると、 分類タスクで真っ先に確認すべき「データ量・指標・不均衡」の三点が一目で掴める。

🔗 隣接手法への橋渡し

「分類」は教師あり学習の中核で、 上流の特徴量設計とクラス分布の確認 (不均衡対応) を欠くと、 並列手法の比較すら無意味になる。

• 上流: 分類 の入力となるA1101 人口を 3 階級化（小・中・大） を整える前処理 (データクレンジング、 欠損値処理)
• 並列: 類似目的を持つ代替手法 (回帰、 クラスタリング、 異常検知) と比較・併用
• 下流: 出力結果の評価・解釈 (混同行列、 正解率、 AUC、 適合率・再現率)

上流の特徴量と前処理を揃え、 並列のロジスティック回帰・SVM・勾配ブースティングをベンチマークし、 下流で混同行列と PR 曲線を出せば、 「どの手法が SSDSE データで最も汎化するか」を客観的に答えられる。

🌳 手法選択フロー

「分類」を実際に使うとき、 何をどう選ぶかを順に判断する。 上から順に答えていくと、 使うべき手法と評価の仕方が決まる。

1. 目的変数は 2 値か、 3 つ以上か
   2 値ならロジスティック回帰から。 3 つ以上ならソフトマックス回帰か決定木系。 順序があるクラス（小・中・大）なら順序ロジットも候補。
2. クラスの比率は偏っているか
   陽性が 1 割を切るなら正解率は使えない。 評価を PR-AUC や F1 に変え、 class_weight かリサンプリングで学習側も調整する。
3. 説明を求められるか
   審査や政策の根拠にするならロジスティック回帰・決定木のように係数や分岐が読める手法。 精度だけが要るなら勾配ブースティングでよい。
4. データは何件あるか
   n=47 の都道府県データでは、 深層学習は過学習する。 件数が数百に満たないなら線形モデルか浅い木に絞り、 交差検証で確かめる。

分類は「どのクラスか」を当てる枠組みで、 数値そのものを当てたいなら回帰へ。 A1101 人口を 3 階級化して分類問題にすると、 境目付近の県の扱いが恣意的になる点にも注意。

🎨 直感をさらに深める — 決定境界と「回帰との違い」

📝 補足（本節は既存「🎨 直感で掴む」の追記深化です。 既存の記述はそのまま、 決定境界・出力空間・タスク型の 3 点を補強します）。

分類とは「入力空間を境界で領域に割る」こと

分類器の学習とは、 特徴量が張る空間を 決定境界 (decision boundary) で複数の領域に区切り、 各領域に 1 つのクラスラベルを貼る作業です。 新しい入力 $\mathbf{x}$ は「どの領域に落ちたか」でクラスが決まります。 上の「🎮 触って理解する」ウィジェット① は、 この境界を 直線 1 本 で引く最小の体験装置です。 ロジスティック回帰は直線 (超平面)、 決定木は軸に平行な階段状、 SVM はカーネル次第で曲線 ── 「境界の形」がアルゴリズムの個性そのものだと捉えると、 手法比較の見通しが一気に良くなります。

内部的には各クラスの確率 $P(y=k\mid\mathbf{x})$ を計算し、 最大のクラスを選ぶ (softmax / シグモイド → argmax)。 だから「猫 0.7 / 犬 0.2 / 鳥 0.1」のような自信の度合いが同時に得られ、 これが後述の閾値調整や確率較正の余地を生みます。

回帰との違いを 1 枚に整理

境界付近の値（例：高齢化率 31.6% の県）は本来「どちらとも言い難い」のに、 分類は無理やり 0/1 に押し込むため情報損失が起きます。 順序に意味がある連続量を予測したいなら、 まず回帰を検討し、 「意思決定として離散ラベルが必要」なときにだけ分類する ── これが出力空間の選び方の原則です。

2値・多クラス・多ラベルで「出力の形」が変わる

• 2値 (binary)：$P(y=1\mid\mathbf{x})$ 1 個 ＋ 閾値。 陽性/陰性、 進行/未進行。 シグモイドで確率化。
• 多クラス (multi-class, 排他)：クラス数 $K$ 個の確率が合計 1。 softmax で正規化し argmax。 「北海道/東北/…」のように 1 つだけ選ぶ。
• 多ラベル (multi-label, 非排他)：各ラベルごとに独立な 2値判定。 確率の合計は 1 にならない。 「高齢 かつ 低出生率」のように複数同時に Yes。 シグモイド×ラベル数で実装。

「排他か非排他か」を最初に決めないと、 損失関数（softmax か independent sigmoid か）も評価指標（accuracy か per-label F1 か）も間違えます。 タスク型の取り違えは、 実務で最も多い設計ミスの 1 つです。

⚠️ 落とし穴をさらに深める（重要）— 定義・指標・較正・リーク

📝 補足（既存「⚠️ よくある落とし穴」の追記深化。 とくにラベル定義の閾値が結論を左右する点を、 SSDSE-B-2026 の実測分布で示します）。

① ラベル定義の閾値で「問題そのもの」が変わる（実測）

高齢化率の閾値を動かすだけで、 陽性/陰性の比が劇的に変わります。 下表は SSDSE-B-2026（2023 年・47 都道府県）の実測クラス分布です（高齢化率 = A1303 ÷ A1101 × 100）。

同じデータでも、 閾値 28% なら「陽性を当てるのは簡単（85% が陽性）」、 36% なら「陽性 2 県を見つける難問」に化けます。 閾値は分析を始める前に業務根拠で固定し、 後から精度が良く出る値に変えてはいけません（HARKing / 事後選択バイアス）。 全国平均は 31.59%、 中央値 31.78%、 最小 22.75%（東京）〜 最大 39.06%（秋田）で、 多くの県が境界の 31〜32% 付近に密集している点にも注意します。

② 正解率が誤導する（accuracy paradox の再確認）

閾値 36%（陽性 4.3%）では、 全県を「陰性」と予測するだけで正解率 95.7% に達します（本文「⚖️ クラス不均衡を作って…」の実演と一致）。 しかし陽性 F1 は 0.000。 不均衡下では 正解率単独は無意味で、 適合率・再現率・F1・PR-AUC を併記します。 詳細は クラス不均衡 ページへ。

③ 判定閾値の選択とクラス境界付近の不確実性

既定の 0.5 は「事前確率が均衡・誤りコストが左右対称」という強い仮定に依存します。 見逃し (FN) のコストが高いなら閾値を下げ、 誤検知 (FP) のコストが高いなら上げる。 全閾値を横断評価するのが ROC 曲線／AUC と 適合率・再現率曲線です。 上の「🎮 触って理解する」ウィジェット② で、 閾値を動かすと適合率↑・再現率↓のトレードオフが即座に見えます。 さらに、 高齢化率 31.6% 付近に県が密集するため、 境界近傍の県はモデルの確率が 0.5 前後で揺れやすく、 わずかな特徴量差やシードで予測が反転します。 境界付近の予測は「自信度が低い」と明示するのが誠実な報告です。

④ 評価指標の選び方（1 つに頼らない）

不均衡が強いほど ROC-AUC は楽観的に見えがちなので、 PR-AUC を主指標に据えるのが安全です。 体系的な整理は 評価指標・混同行列 ページへ。

⑤ 確率較正 (calibration) の不足

出力確率「0.7」が実際の陽性頻度 70% に対応するとは限りません（この対応が取れている状態を較正が取れていると言います）。 ロジスティック回帰は比較的較正が良い一方、 SVM や決定木・ブースティングは歪みやすい。 Platt スケーリング（シグモイド較正）や Isotonic 回帰（単調較正）で補正し、 信頼度図 (reliability diagram) や Brier スコアで確認します。 確率をそのまま意思決定閾値やコスト計算に使うなら、 較正は精度と同等に重要です（※現時点で較正の専用用語ページは未整備のためテキストで補足）。

⑥ 多クラスの評価法（平均の取り方で結論が変わる）

• macro 平均：クラスごとに指標を出して単純平均。 少数クラスも 1 票として重く扱う。
• micro 平均：全サンプルをまとめて集計。 多数クラスの影響が大きい。
• weighted 平均：クラスのサンプル数で加重。 サイズ差を反映。

「どの県が苦手か」を見たいなら macro、 「全体の当たり具合」なら micro。 本文の多クラス実演では macro avg と weighted avg を併記していますが、 どの平均で報告したかを明示しないと数字が独り歩きします。

⑦ リーク (leakage) ― 未来・定義・前処理の 3 経路

• 定義リーク：ラベル定義に使った変数（例：65 歳以上人口 A1303）を説明変数に混ぜると、 ほぼ完璧に当たるが無意味。
• 前処理リーク：全データで fit_transform（標準化・特徴選択）してから分割すると、 テスト情報が漏れる。 scikit-learn の Pipeline で fold ごとに fit する。
• 時間リーク：時系列を無視したランダム CV で「未来で学習→過去を予測」。 TimeSeriesSplit を使う。

いずれも「テスト時に本来知り得ない情報」が訓練に混入する現象。 詳細は データリーク ページへ。

🌐 発展をさらに深める — 分類器の個性・境界の形・多クラス戦略・コスト考慮

📝 補足（既存「🌐 関連手法・派生」の追記深化。 代表分類器の特徴を横並びで整理します）。

代表分類器の「効きどころ」を横並びに

「線形で足りるか（ロジスティック回帰）」→「非線形が要るか（木・カーネル）」→「精度最優先か（ブースティング）」の順に検討し、 解釈可能性と精度のトレードオフを業務要件から決めます。 距離・マージン系（SVM・kNN）は必ず標準化をパイプラインに入れる点に注意。

多クラス戦略：OvR と OvO

• One-vs-Rest (OvR)：クラスごとに「そのクラス vs 残り全部」の 2値分類器を $K$ 個作る。 計算が軽く実装が素直。 sklearn の既定に多い。
• One-vs-One (OvO)：クラス対ごとに分類器を $K(K-1)/2$ 個作り多数決。 各分類器の学習データが小さくて済むが個数が増える。 SVM で採用されがち。
• softmax（multinomial）：$K$ クラスを 1 モデルで同時に確率化。 確率の整合性・較正が良く、 ロジスティック回帰やニューラルネットの標準。 softmax ページ参照。

クラスが少なく確率較正を重視するなら multinomial、 2値分類器の資産を流用したいなら OvR、 という選び分けが実務的です。

確率出力と較正、そしてコスト考慮学習

分類の価値は「ラベル」より「確率」にあることが多い ── 確率があれば閾値もコストも後から最適化できます。 誤りのコストが非対称なとき（例：疾病見逃し $C_{FN}$ ≫ 誤検知 $C_{FP}$）は、 次のいずれかでコスト考慮学習 (cost-sensitive learning) を行います。

• クラス重み：class_weight='balanced' 等で少数クラスの損失を重くする。 まず試す一行の対策。
• 閾値最適化：較正済み確率に対し $\text{総コスト}=C_{FN}\cdot FN + C_{FP}\cdot FP$ を最小化する閾値を選ぶ（本文「業務コストから閾値を選ぶ式」参照）。
• リサンプリング：SMOTE（少数派補間）やアンダーサンプリング。 クラス不均衡 ページに整理。

重み・リサンプリングは確率を歪めるため、 最後に較正し直すのが定石。 「①確率をきちんと出す → ②較正する → ③業務コストで閾値を決める」の 3 段構えが、 現代的な分類運用の型です。