分類は、機能に基づいてデータポイントを事前定義されたラベルに分類するために使用される機械学習の基本的な手法です。これは、従業員が退職するか、会社に残るかを予測したり、不正なトランザクションを特定したり、メールをスパムまたは非スパムとして分類したりするなど、さまざまな現実世界のアプリケーションで重要な役割を果たします。分類の基本原則には、教師あり学習が含まれます。教師あり学習では、ラベル付きデータを使用してモデルをトレーニングし、パターンを認識し、新しい未知のデータに対して予測を行います。
分類にはさまざまなアプローチがあり、それぞれに異なる方法論が採用されています。最も一般的に使用されるアルゴリズムには、デシジョンツリー、勾配ブースティング、およびニューラルネットワークがあり、それぞれ異なるタイプのデータおよび分類の課題に適しています。分類自体は、3 つの主要タイプに分類することができます。バイナリ分類では、2 つの結果 ("yes"、"no"、および "not spam" など) を区別します。マルチクラス分類では、さまざまな製品カテゴリの分類など、データを複数の個別のグループに分類することで、これを拡張します。一方、複数ラベル分類では、1 つのデータポイントを複数のカテゴリに属することができます (複数の関連トピックを含むドキュメントのタグ付けなど)。
SAP HANA フレームワーク内で、分類モデルは SAP HANA Cloud の強力な機械学習および予測分析機能を活用します。これには、大規模な分類タスクを効率的に処理するために最適化された、ハイブリッド勾配ブースティングツリー (HGBT) などの高度なアルゴリズムが含まれます。SAP HANA はさまざまなデータモデルとシームレスに統合されるため、ユーザは環境内で分類モデルをトレーニングおよび評価することができます。この統合により、外部処理ツールを必要とせずに、ローデータから実用的なインサイトに円滑に移行できるようになります。
SAP HANA の分類ワークフローは、データ準備から始まる、構造化された機械学習プロセスに従います。このプロセスでは、ローデータが分析のためにクリーニング、変換、および構造化されます。データが準備されたら、次のステップはモデルトレーニングです。モデルトレーニングでは、分類アルゴリズムによってラベル付きデータセットからパターンが学習されます。トレーニング後、モデルは、精度、精度、再現率、F1 スコアなどのパフォーマンス指標を使用して評価され、予測を行う際の信頼性を確保します。最後に、検証されたモデルは、ビジネスアプリケーションにデプロイおよび統合され、そこで意思決定を自動化し、業務効率を向上させることができます。SAP HANA の組み込み機能により、分類ワークフローが合理化され、企業は予測分析を業務に簡単に組み込むことができます。