Spam sau nu spam. Malign sau benign. Fraudulos sau legitim. Clasificarea atribuie intrări uneia dintre mai multe categorii predefinite și stă la baza unei mari părți din învățarea automată practică.

Modelele învață o limită de decizie din exemple etichetate. Clasificarea binară separă două clase. Clasa multiplă se extinde la mai multe clase. Etichetarea multiplă permite etichete simultane multiple, utilă atunci când categoriile nu se exclud reciproc.

Clasificatori comuni

• Regresie logistică
• Arbori de decizie și păduri aleatorii
• Mașini cu vectori de suport
• Rețele neuronale
• Bayes naiv

Precizia în sine este o metrică slabă atunci când clasele sunt dezechilibrate. Un detector de fraude care nu semnalează nimic atinge o precizie de 99,9% pe un set de date în care frauda este rară, dar este inutilă. Precizia, reamintirea și scorul F1 spun o poveste mai sinceră.