Spam ou não spam. Malicioso ou benigno. Fraude ou legítimo. A classificação atribui dados de entrada a uma de várias categorias predefinidas e é a base de grande parte da aprendizagem automática prática.

Os modelos aprendem um limite de decisão a partir de exemplos rotulados. A classificação binária separa duas classes. A classificação multiclasse abrange várias classes. A classificação multirótulo permite múltiplos rótulos simultâneos, o que é útil quando as categorias não são mutuamente exclusivas.

Classificadores comuns

• Regressão logística
• Árvores de decisão e florestas aleatórias
• Máquinas de vetores de suporte
• Redes neurais
• Naive Bayes

A precisão por si só é uma métrica inadequada quando as classes estão desequilibradas. Um detetor de fraude que não identifica qualquer fraude atinge 99,9% de precisão num conjunto de dados onde a fraude é rara, mas ainda assim é inútil. Precisão, recall e pontuação F1 contam uma história mais honesta.