Spam atau bukan spam. Berbahaya atau jinak. Penipuan atau sah. Klasifikasi menetapkan input ke salah satu dari beberapa kategori yang telah ditentukan sebelumnya, dan hal ini mendasari sebagian besar pembelajaran mesin praktis.

Model mempelajari batas keputusan dari contoh yang diberi label. Klasifikasi biner memisahkan dua kelas. Multikelas meluas ke beberapa kelas. Multilabel memungkinkan beberapa label simultan, berguna ketika kategori tidak saling eksklusif.

Pengklasifikasi umum

• Regresi logistik
• Pohon keputusan dan hutan acak
• Mesin vektor pendukung
• Jaringan saraf
• Naive Bayes

Akurasi saja merupakan metrik yang buruk ketika kelas tidak seimbang. Detektor penipuan yang tidak mendeteksi apa pun mencapai akurasi 99,9 persen pada dataset di mana penipuan jarang terjadi, namun tidak berguna. Presisi, recall, dan skor F1 menceritakan kisah yang lebih jujur.