Classificação

Classificação é o processo de atribuir itens a categorias com base em critérios definidos. Pode ser hierárquica ou plana, e pode atribuir uma ou várias classes a cada item (multiclasse, multilabel). Em ciência de dados, envolve classificação supervisionada (dados rotulados) ou não supervisionada (busca de padrões sem rótulos).

Na biologia, a classificação refere-se à taxonomia, com categorias como reino, filo, classe, ordem, família, gênero e espécie. Em biblioteconomia, sistemas como a Classificação Decimal de Dewey organizam conteúdos. Em medicina, classificações como CID-10 padronizam diagnósticos para registros e pesquisas. Em ciência de dados, a tarefa é prever a classe de uma observação a partir de suas características.

As metodologias vão de regras a técnicas de aprendizado de máquina, incluindo árvores de decisão, SVM, k-vizinhos, redes neurais e métodos de ensemble. Em classificações multiclasse ou multilabel, estratégias comuns incluem um-vs-rest ou conversões do problema para ajustar o classificador.

A avaliação usa métricas como acurácia, precisão, recall, F1 e matriz de confusão; para dados desbalanceados, AUC e outras métricas podem ser indicadas. Desafios típicos incluem sobreajuste, qualidade dos dados e ambiguidade entre classes.

A classificação organiza conhecimento, facilita busca e recuperação de informações e suporta automação de tarefas. A qualidade da classificação depende dos dados, dos critérios escolhidos e da interpretabilidade dos modelos ou critérios usados.