Binääluokittelu

Binääri luokittelu on koneoppimisen tehtävä, jossa tavoitteena on ennustaa kuuluuko havainto johonkin kahdesta mahdollisesta luokasta. Nämä luokat ovat usein nimetty positiiviseksi ja negatiiviseksi, tai esimerkiksi kyllä ja ei, tosi ja epätosi, tai 0 ja 1. Esimerkkejä binäärisestä luokittelusta ovat sähköpostin roskapostin tunnistaminen (roskaposti tai ei roskapostia), lääketieteellinen diagnoosi (sairas tai terve) tai luottoriskin arviointi (hyväksy luotto tai hylkää luotto).

Binäärisessä luokittelussa käytetään useita erilaisia algoritmeja. Yleisiä menetelmiä ovat logistinen regressio, tukivektorikoneet (SVM), päätöspuut, satunnaismetsät ja neuroverkot. Algoritmin valinta riippuu usein käytettävissä olevasta datasta ja tehtävän luonteesta.

Binäärisen luokittelumallin suorituskykyä arvioidaan tyypillisesti erilaisilla mittareilla, kuten tarkkuudella (accuracy), precisionilla, herkkyydellä (recall) ja F1-pisteytyksellä. Tärkeää on valita sopivat arviointimittarit tehtävän kannalta, erityisesti jos luokkajakauma on epätasapainoinen, eli toista luokkaa on huomattavasti enemmän tai vähemmän kuin toista. Tällöin pelkkä tarkkuus ei välttämättä anna luotettavaa kuvaa mallin toimivuudesta.