Spam vagy nem spam. Rosszindulatú vagy jóindulatú. Csalás vagy legitim. Az osztályozás a bemeneti adatokat több előre definiált kategória egyikéhez rendeli, és a gyakorlati gépi tanulás hatalmas részét képezi.

A modellek döntési határokat tanulnak meg címkézett példákból. A bináris osztályozás két osztályt különít el. A többosztályos osztályozás több osztályra is kiterjed. A többcímkés osztályozás több egyidejű címkét tesz lehetővé, ami akkor hasznos, ha a kategóriák nem zárják ki egymást kölcsönösen.

Gyakori osztályozók

• Logisztikus regresszió
• Döntési fák és véletlenszerű erdők
• Támogató vektor gépek
• Neurális hálózatok
• Naiv Bayes

A pontosság önmagában gyenge mérőszám, ha az osztályok kiegyensúlyozatlanok. Egy olyan csalásdetektor, amely semmit sem jelez, 99,9 százalékos pontosságot ér el egy olyan adathalmazon, ahol a csalás ritka, mégis haszontalan. A pontosság, a visszaidézhetőség és az F1 pontszám őszintébb képet mutat.