Binääriluokittelumalli

Binääriluokittelumalli on koneoppimisen malli, jonka tehtävänä on luokitella havainnot kahteen erilliseen luokkaan. Esimerkiksi sähköpostin luokittelu roskapostiksi tai ei-roskapostiksi on tyypillinen binääriluokittelutehtävä. Malli oppii harjoitusdatasta tunnistamaan piirteitä, jotka auttavat erottamaan nämä kaksi luokkaa toisistaan.

Yleisiä binääriluokittelumalleja ovat logistinen regressio, tukivektorikoneet (SVM) ja päätöspuut. Logistinen regressio mallintaa todennäköisyyttä, että havainto kuuluu tiettyyn luokkaan, käyttäen logistista funktiota. Tukivektorikoneet pyrkivät löytämään parhaan mahdollisen erottavan hyperplaanin näiden kahden luokan välille. Päätöspuut puolestaan rakentavat sarjan päätössääntöjä datan jakamiseksi.

Mallin suorituskykyä arvioidaan usein mittareilla kuten tarkkuus (accuracy), herkkyys (recall), täsmällisyys (precision) ja F1-pisteet. Tarkkuus kertoo, kuinka suuri osa havainnoista on luokiteltu oikein. Herkkyys mittaa, kuinka suuri osa positiivisista tapauksista on löydetty, kun taas täsmällisyys kertoo, kuinka suuri osa positiiviseksi luokitelluista tapauksista on todellisuudessa positiivisia. F1-pisteet yhdistää herkkyyden ja täsmällisyyden yhdeksi arvoksi.

Binääriluokittelumalleilla on laaja käyttö sovelluksissa, kuten sairauden diagnosoinnissa, luottokelpoisuuden arvioinnissa, petosten tunnistamisessa ja asiakassegmentoinnissa. Mallin valinta riippuu datan luonteesta ja tehtävän erityispiirteistä.