垃圾郵件還是非垃圾郵件？惡意郵件還是良性郵件？詐騙郵件還是合法郵件？分類將輸入資料分配到幾個預先定義的類別之一，它是機器學習實際應用的基礎。

模型透過標記範例學習決策邊界。二元分類區分兩個類別。多類別分類則擴展到多個類別。多標籤分類允許同時使用多個標籤，這在類別並非互斥的情況下非常有用。

常用分類器

• 邏輯迴歸
• 決策樹與隨機森林
• 支援向量機
• 神經網路
• 樸素貝葉斯

當類別不平衡時，僅憑準確率無法準確反映實際情況。例如，一個詐欺偵測器在詐欺事件極少的資料集上能達到 99.9% 的準確率，但卻無法偵測到任何詐欺行為，這毫無意義。精確率、召回率和 F1 分數才能更真實地反映詐欺行為。