多クラス分類問題とは、入力データが複数の異なるカテゴリのどれに属するかを予測するタスクです。これは、コンピュータが「この画像に写っているのは犬、猫、鳥のどれか？」といった形で判断を下すプロセスに似ています。
最も単純な分類問題である「二値分類」が、入力が二つのクラス（例えば「はい」か「いいえ」、「スパム」か「非スパム」）のどちらかに分類されるのに対し、多クラス分類では、三つ以上のクラスから、その入力データに最も適したクラスを一つだけ選び出します。
例えば、手書きの数字認識では、からまでの種類の数字クラスのいずれかに分類しますし、ニュース記事の分類では、「政治」「経済」「スポーツ」「エンタメ」といった複数のトピックのどれに該当するかを予測します。
この分類を実現するために、AIモデル（例えばニューラルネットワーク）は、大量のラベル付けされたデータ（すなわち、どのデータがどのクラスに属するかという正解情報が付いたデータ）を使って学習します。
学習の過程で、モデルはそれぞれのクラスを区別するための特徴を捉えます。例えば、画像分類であれば、犬と猫と鳥を区別するそれぞれの視覚的パターンを学習します。
新しい、未知のデータが入力されたとき、モデルは学習した特徴に基づいて各クラスに属する確率を計算し、その中で最も高い確率を示したクラスを最終的な予測結果として出力します。
多クラス分類の精度を高めることは、現実世界の多くの複雑な意思決定やパターン認識のタスクにおいて、AIを実用化するための重要な課題となっています。