垃圾邮件还是非垃圾邮件？恶意邮件还是良性邮件？欺诈邮件还是合法邮件？分类将输入数据分配到几个预定义的类别之一，它是机器学习实际应用的基础。

模型通过标记示例学习决策边界。二元分类区分两个类别。多类分类则扩展到多个类别。多标签分类允许同时使用多个标签，这在类别并非互斥的情况下非常有用。

常用分类器

• 逻辑回归
• 决策树和随机森林
• 支持向量机
• 神经网络
• 朴素贝叶斯

当类别不平衡时，仅凭准确率无法准确反映实际情况。例如，一个欺诈检测器在欺诈事件极少的数据集上能达到 99.9% 的准确率，但却无法检测到任何欺诈行为，这毫无意义。精确率、召回率和 F1 分数才能更真实地反映欺诈行为。