分類

このガイドでは、Claudeを使用して分類器を構築するための最適なアプローチを決定するプロセスと、ユースケースの探索からバックエンド統合までの、Claude分類器のエンドツーエンドの展開の基本について説明します。

​

いつClaudeを分類に使用するか

分類タスクに従来のMLアプローチではなくLLMを使用することを検討すべきタイミングはいつですか？ここではいくつかの重要な指標を示します：

1. ルールベースのクラス：クラスが例ではなく条件によって定義されている場合は、Claudeを使用します。Claudeは基本的なルールを理解できます。
2. 進化するクラス：Claudeは、新しいクラスや変化するクラスが出現し、境界が変化する新しいドメインや変化するドメインに適応します。
3. 非構造化入力：Claudeは、さまざまな長さの大量の非構造化テキスト入力を処理できます。
4. ラベル付きの例が限られている：few-shot学習機能により、Claudeは限られたラベル付きトレーニングデータから正確に学習します。
5. 推論要件：Claudeは、意味の理解、文脈、および高度な推論を必要とする分類タスクに優れています。

​

分類のユースケースを確立する

以下は、業界別にClaudeが優れている一般的な分類ユースケースの完全ではないリストです。

​

分類にClaudeを実装する

3つの主要なモデル決定要因は、インテリジェンス、レイテンシー、価格です。

分類では、通常、速度と効率が高いため、Claude 3 Haikuのような小さなモデルが理想的です。ただし、専門知識や複雑な推論が必要な分類タスクでは、SonnetまたはOpusの方が適している場合があります。Opus、Sonnet、Haikuの比較については、こちらをご覧ください。

評価を使用して、Claudeモデルが本番環境に展開するのに十分なパフォーマンスを発揮しているかどうかを判断します。

​

1. 強力な入力プロンプトを作成する

Claudeはすぐに使えるハイレベルのベースラインパフォーマンスを提供しますが、強力な入力プロンプトは最良の結果を得るのに役立ちます。

特定のユースケースに適応できる一般的な分類器の場合は、以下のスタータープロンプトをコピーします。

あなたは、テキストを事前に定義されたカテゴリのセットに自動的に分類できるテキスト分類器を構築します。
分類器が使用するカテゴリは次のとおりです。

<categories>
{{CATEGORIES}}
</categories>

これらのカテゴリにテキストを分類する方法を理解するために、すでに正しいカテゴリでラベル付けされたテキストの例をいくつか示します。

<examples>
{{EXAMPLES}}
</examples>

これらの例を注意深く研究して、各カテゴリを定義する主要な特徴と特性を特定してください。<category_analysis>タグ内に、各カテゴリに関連付けられているようなメインのトピック、テーマ、ライティングスタイルなどを説明して、各カテゴリの分析を書き出してください。

カテゴリをよく理解できたと感じたら、新しいラベルなしのテキストを取り込み、そのテキストが最も可能性の高いカテゴリの予測を出力できる分類器を構築するのがあなたのタスクです。

最終的な分類を行う前に、<classification_process>タグ内にステップバイステップのプロセスと推論を示してください。各潜在的カテゴリの証拠を検討してください。

そして、サンプルテキストが属すると思われるカテゴリの最終的な<classification>を出力してください。

目標は、例で定義されているように、新しいテキストを最も適切なカテゴリに正確に分類できる分類器を構築することです。

また、プロンプトライブラリでは、次のような分類ユースケースのプロンプトを含む、さまざまなプロンプトを提供しています。

​

2. テストケースを開発する

分類評価を実行するには、実行するテストケースが必要です。テストケースの開発に関するガイドをご覧ください。

​

3. 評価を実行する

​

評価指標

分類タスクでのClaudeのパフォーマンスを評価する際に考慮すべき成功指標には、次のようなものがあります。

​

分類器をデプロイする

分類にClaudeを使用する方法のコード例については、Anthropic Cookbookの分類ガイドを参照してください。