分類・回帰・クラスタリング・次元削減の違い

代表的な 4 つの機械学習タスクの違いを押さえます。
・分類: ラベル付きデータで学習し、入力をカテゴリ（離散ラベル）に割り当てる教師あり学習（例: 病変あり/なし、犬/猫）。
・回帰: 同じ教師あり学習だが、売上や気温などの連続する数値を予測する。
・クラスタリング: ラベルを使わず、似たデータを集団に分ける教師なし学習（例: 顧客のセグメント分け）。
・次元削減: ラベルを使わず、特徴量を圧縮して扱いやすくする教師なし学習（可視化・前処理に使う）。
出力が カテゴリ → 分類、数値 → 回帰、ラベルなしの 集団分け → クラスタリング、圧縮 → 次元削減 で見分けます。