AIFAIとMLの基礎
機械学習の教師あり学習において、住宅の広さや築年数などの入力データから「住宅の価格（連続値）」を予測するタスクを何と呼びますか？
A分類 (Classification)
分類（Classification）は、データがどのカテゴリに属するかを予測する教師あり学習の手法です。スパム判定や画像ラベル付けなどに用いられますが、住宅価格のような連続した数値の予測には適用されません。
Bクラスタリング (Clustering)
クラスタリング（Clustering）は、ラベルなしデータを類似性に基づいてグループ分けする教師なし学習の手法です。事前にカテゴリが定義されていないデータの構造発見に使用されるものであり、価格予測タスクとは性質が異なります。
C回帰 (Regression)
✓ 正解
回帰（Regression）は、入力変数から連続する数値を予測する教師あり学習のタスクです。住宅の広さや築年数などの特徴量から価格（連続値）を予測するシナリオは回帰問題の典型例であり、このタスクに最も適した手法です。
D次元削減 (Dimensionality Reduction)
次元削減（Dimensionality Reduction）は、高次元データの特徴量を圧縮しながら重要な情報を保持する前処理技術です。PCAやt-SNEなどが代表例ですが、これ自体は価格のような数値を予測するタスクではありません。
解説
正解はCの回帰です。回帰（Regression）は、入力データに基づいて連続する数値（この場合は住宅価格）を予測する教師あり学習のタスクです。
選択肢Aの分類（Classification）は、データがどのカテゴリに属するかを予測するタスクであり、連続値の予測には使用されません。
選択肢Bのクラスタリング（Clustering）は教師なし学習の一種であり、データ内の自然なグループ分けを見つけるための手法です。
選択肢Dの次元削減（Dimensionality Reduction）は、データの特徴量を減らしつつ重要な情報を保持する前処理手法であり、価格予測そのもののタスクではありません。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →