Kategorieanzahl

Kategorieanzahl bezeichnet die Anzahl der verschiedenen Kategorien, die verwendet werden, um Objekte, Dokumente oder Datenpunkte zu kennzeichnen. Sie gibt die Größe des Labelraums an und beeinflusst Granularität, Lernleistung und Verwaltungsaufwand in Systemen zur Klassifikation oder Taxonomie.

Typische Anwendungsbereiche sind maschinelles Lernen und Data Annotation (Bild-, Text- oder Produktklassifikation), Content-Management-Systeme, Katalog- und Taxonomie-Design sowie Knowledge-Graphen. In vielen Anwendungen wird die Kategorieanzahl als Hyperparameter betrachtet, dessen Wahl die Komplexität des Modells und die Interpretierbarkeit der Ergebnisse bestimmt.

Auswirkungen: Zu wenige Kategorien liefern unpräzise Labels und begrenzen Aussagefähigkeit; zu viele Kategorien erhöhen das Risiko von Datenknappheit, Inkonsistenzen und hohem Erklärungsaufwand. Die ideale Zahl hängt von Domäne, Datenmenge, Annotation-Kosten und Zielsetzung ab.

Bestimmung: Beginnen mit einer Domänenanalyse und einer ersten Datenerhebung, gefolgt von Pilotannotationen. Analysieren Sie die Verteilung der Labels, prüfen Sie Mapping- oder Überschneidungen, und testen Sie verschiedene Kategorienzahlen mit passenden Evaluationsmetriken (z. B. Genauigkeit, F1, Macro/Micro-Ansätze). In unsupervised Settings helfen Methoden wie der Elbow- bzw. Silhouette- Ansatz bei der Festlegung der Anzahl von Clustern.

Pflege und Governance: Kategoriepläne sollten versioniert, dokumentiert und regelmäßig überprüft werden, um Kategorieverdrehungen, Drift oder Subsumption zu vermeiden. Bei Änderungen sind Mappings zwischen alten und neuen Kategorien sinnvoll. Mehrsprachige Systeme benötigen konsistente Übersetzungen.

Verwandte Begriffe: Taxonomie, Ontologie, Labelraum, Granularität, Hierarchie vs. Flachstruktur.