Spam eller inte spam. Illamående eller godartad. Bedrägeri eller legitimt. Klassificering tilldelar indata till en av flera fördefinierade kategorier, och den ligger till grund för en stor del av praktisk maskininlärning.

Modeller lär sig en beslutsgräns från märkta exempel. Binär klassificering separerar två klasser. Multiklass utökas till flera. Multietikett tillåter flera samtidiga etiketter, användbart när kategorier inte utesluter varandra.

Vanliga klassificerare

• Logistisk regression
• Beslutsträd och slumpmässiga skogar
• Stöd vektormaskiner
• Neurala nätverk
• Naive Bayes

Noggrannhet ensamt är ett dåligt mått när klasser är obalanserade. En bedrägeridetektor som inte flaggar någonting uppnår 99,9 procents noggrannhet på en datamängd där bedrägerier är sällsynta, men den är värdelös. Precision, återkallelse och F1-poäng berättar en mer ärlig historia.