Jaottelutapoja

Jaottelutapoja tarkoitetaan menetelmiä, joilla data tai havaintoja jaotellaan ryhmiin tai luokkiin. Ne ovat keskeisiä sekä tilastollisessa analyysissä että koneoppimisessa, ja niiden tavoitteena on löytää rakenteita tai piirteitä, joiden perusteella uudet havainnot voidaan luokitella tai ryhmitellä.

Jaottelutapoja voidaan jakaa kahteen pääkategoriaan: valvottuun luokitteluun ja klusterointiin. Valvotussa luokittelussa käytetään opetusdataa, jossa jokaisella havainnolla on määritelty luokka. Tavoitteena on oppia malli, joka osaa luokitella uusia, ennen näkemättömiä havaintoja. Klusterointi puolestaan kuuluu valvomattomaan oppimiseen, ja sen tarkoituksena on löytää havaintoja yhteen kokoavia ryhmiä ilman ennalta määriteltyjä luokkia. Tällöin ryhmät osoittavat sisäistä rakennetta, ei välttämättä ennalta määrättyä tulosta.

Esimerkkejä luokittelumenetelmistä ovat logistinen regressio, päätöspuut sekä satunnaismetsä, tuki-vektori-koneet ja Naive Bayes. Esimerkkejä klusterointimenetelmistä ovat k-means, hierarkkinen klusterointi, DBSCAN ja gausvillaista sekoitusmalleja hyödyntävät menetelmät. Lisäksi yhdistetyt lähestymistavat ja syväoppiminen laajentavat näitä perusmenetelmiä monimutkaisempiin tehtäviin.

Sovelluksia ovat muun muassa tekstiluokittelu, kuvan- ja puheentunnistus, sairauksien diagnosointi, asiakassegmentointi sekä laadunvalvonta. Arvioinnissa käytetään mittareita kuten tarkkuus, herkkä- ja spesifisyys, F1-asteikko sekä ROC-AUC, klusteroinnissa puolestaan silhouette-arvo tai muita sisäisiä mittareita. Haasteita ovat datan laatu, luokitusongelmien epätasapainotus ja tulkittavuuden sekä yleistettävyyden varmistaminen.