Спам или не спам. Злокачественное или доброкачественное. Мошенничество или законное действие. Классификация относит входные данные к одной из нескольких предопределенных категорий и лежит в основе огромной доли практического машинного обучения.

Модели обучаются определению границы принятия решений на основе размеченных примеров. Бинарная классификация разделяет два класса. Многоклассовая классификация распространяется на несколько классов. Многометочная классификация позволяет использовать несколько меток одновременно, что полезно, когда категории не являются взаимоисключающими.

Общие классификаторы

• Логистическая регрессия
• Деревья решений и случайные леса
• Машины опорных векторов
• Нейронные сети
• Наивный Байес

Точность сама по себе — плохой показатель, когда классы несбалансированы. Детектор мошенничества, который ничего не обнаруживает, достигает 99,9-процентной точности на наборе данных, где мошенничество встречается редко, но при этом бесполезен. Точность, полнота и F1-мера дают более объективную картину.