Klassifikointi

Klassifikointi on prosessi, jossa ilmiöt, esineet tai tiedot jaetaan ryhmiin niiden ominaisuuksien perusteella. Se voi olla hierarkista tai tasapainotonta ja tähtää järjestelmällisyyteen sekä helpompaan tiedon hallintaan ja hakemiseen. Historian aikana luokitusjärjestelmät ovat kehittyneet monilla aloilla; biologian Linnaeus-käytäntöjen kaltainen lajijärjestys on esimerkki hierarkkisesta luokittelusta, jossa olennainen on yhteisön sukulaisuussuhteet.

Kirjastotieteessä käytetään Deweyn, Library of Congressin tai paikallisten katalogoitujen järjestelmiä kirjojen luokitteluun. Informaatioteknologiassa klassifikaatio tarkoittaa uusien tietueiden tai dokumenttien sijoittamista ennalta määriteltyihin luokkiin, esimerkiksi roskapostiluokittelu tai kuvien tunnistus.

Klassifikoinnin menetelmiä ovat sääntöihin perustuva luokittelu, tilastolliset mallit ja koneoppimisen menetelmät. Valvotussa oppimisessa annetaan esimerkkejä (luokat), joiden perusteella malli oppii nimeämään uusia havaintoja; epävalvottu oppiminen kuten klusterointi löytää rakenteita ilman etukäteen annettuja luokkia. Hyödyllisiä mittareita suorituskyvyn arvioimiseksi ovat tarkkuus, precision, recall sekä F1-arvo ja confusion matrix.

Käytännön haasteisiin kuuluvat luokkien epätasapaino, luokittelevan tehtävän subjektiivisuus sekä tietoaineiston laji- ja datamuutokset, jotka voivat heikentää luokittelun pysyvyyttä. Hyvin suunniteltu klassifikointi parantaa tiedon löydettävyyttä, päätöksentekoa sekä toiminnan tehokkuutta eri aloilla.