問題設定 — 回帰 vs 分類

解きたい課題を回帰・分類のどちらに落とし込むか、目的変数とタスク定義の考え方を学びます。

まず「何を予測するか」を決める#

モデルを作る前に、目的変数（予測したいもの）が何かを明確にします。 目的変数の種類で、タスクの種類と使う評価指標が決まります。

回帰と分類#

分類はさらに、2 クラスの二値分類（生存/死亡）と、3 クラス以上の多クラス分類に分かれます。

目的変数とタスクを Titanic で確認#

import pandas as pd

df = pd.read_csv("/kaggle/input/titanic/train.csv")

# Survived は 0/1 の二値 → 二値分類のタスク
df["Survived"].unique()        # array([0, 1])
df["Survived"].dtype           # int64

Survived は 0/1 の 2 値なので、Titanic は二値分類の問題です。 これに対して House Prices コンペの SalePrice（価格）は連続値なので回帰になります。

理解度チェック#

次のステップ#

次は、モデルの「本当の実力」を測るためのデータ分割と汎化の考え方を学びます。