分類は1つのモデルを作るだけでよかったけど、回帰は20万個のモデルが必要になるのか・・・
はい、回帰分析では通常、個々の予測対象となる要素ごとに個別のモデルを作成する必要があります。そのため、20万個の異なる商品に対して20万個のモデルを作成する必要があります。これは、各商品が独自の需要パターンや影響要因を持つためです。
一方、分類では、カテゴリやクラスごとに1つのモデルを作成することが一般的です。たとえば、20万個の商品が10個のカテゴリに分類されている場合、10個のカテゴリごとに1つの分類モデルを作成するだけで十分です。そのため、分類の場合はモデルの数はカテゴリの数に比例しますが、回帰の場合は予測対象の要素の数に比例します。
大規模なデータセットや複数の予測対象がある場合、モデルの管理やトレーニングの効率化が重要になります。自動化、並列処理、クラウドコンピューティングなどのテクニカルなアプローチが活用されることがあります。また、データの品質管理や適切なモデルの選択も重要です。