分類問題（Classification Problem）

与えられたデータを特定のカテゴリー（クラス）に分類するタスク。例えば、メールのスパム判定や画像認識などが該当する。モデルの評価指標として正答率（Accuracy）や適合率（Precision）、再現率（Recall）などが用いられ、機械学習の基本的な問題設定の一つ。

種類：
・二値分類：2つのクラス
・多クラス分類：3つ以上のクラス
・多ラベル分類：複数のラベル同時予測

主要なアルゴリズム：
・ロジスティック回帰
・決定木
・ランダムフォレスト
・SVM
・ナイーブベイズ
・ニューラルネットワーク
・XGBoost

評価の重要性：
・混同行列による詳細分析
・ビジネス要件に応じた指標選択・スパム検知
・画像認識・分類
・音声認識
・医療診断支援
・不正検知
・感情分析
・顧客セグメンテーション
・製品分類
・品質管理（良品/不良品）
・リスク評価
・推薦システム
・セキュリティ分析
・文書分類
・生物学的分類・scikit-learn分類アルゴリズム
・TensorFlow/PyTorch
・XGBoost, LightGBM
・OpenCV（画像）
・NLTK, spaCy（テキスト）
・Keras
・Random Forest
・Support Vector Machines
・Naive Bayes・適切な評価指標の選択
・クラス不均衡への対策
・特徴量選択の重要性
・過学習の防止
・交差検証の実施
・閾値の適切な設定
・解釈可能性の考慮
・継続的な性能監視