Spam of geen spam. Kwaadaardig of goedaardig. Fraude of legitiem. Classificatie wijst invoergegevens toe aan een van de verschillende vooraf gedefinieerde categorieën en vormt de basis van een groot deel van de praktische machine learning.

Modellen leren een beslissingsgrens op basis van gelabelde voorbeelden. Binaire classificatie scheidt twee klassen. Multiclassificatie gaat verder naar meerdere klassen. Multilabelclassificatie maakt meerdere gelijktijdige labels mogelijk, wat handig is wanneer categorieën elkaar niet uitsluiten.

Veelvoorkomende classificatiesystemen

• Logistische regressie
• Beslissingsbomen en willekeurige bossen
• Ondersteunende vectormachines
• Neurale netwerken
• Naïeve Bayes

Nauwkeurigheid alleen is een slechte maatstaf wanneer de klassen onevenwichtig verdeeld zijn. Een fraudedetector die niets signaleert, behaalt een nauwkeurigheid van 99,9 procent op een dataset waar fraude zeldzaam is, maar is toch nutteloos. Precisie, recall en F1-score geven een eerlijker beeld.