Klassifitseerimistöid

Klassifitseerimistöid on masinõppe valdkonna keskne ülesanne, kus iga sisendi omaduste kogumi põhjal määratakse sellele sobiv klass. Tavaline ülesanne kasutab märgistatud andmestikku, kus iga näide koosneb omadustest ja selle kuuluvast klassist. Probleem võib olla binaarne (kaks klassi), mitmikklassifikatsioon (mitme klassi vahel valimine) või multilabel-konstruktsioon, kus sama näide võib kuuluda mitmele klassile samaaegselt.

Kõige levinumad meetodid hõlmavad logistilist regressiooni, Naive Bayes'i, k- lähima naabri meetodit (k-NN), otsustuspuud, juhuslikku metsa (random forest) ja gradient boostingit, samuti tugi-vektorimaiuseid (SVM) ning sügavõpet ning närvivõrke, eriti suurte ja keerukate andmestike puhul.

Andmestiku ettevalmistamine hõlmab märgenduse kontrolli, kategorialsete muutujate kodeerimist (nt one-hot kodeerimine), standardiseerimist või funktsioonide skaleerimist ning puuduvate väärtuste asendamist. Vajadusel tegeletakse ka andmete tasakaalustamisega klasside vahel, et vältida üle- või alataristandardit.

Hindamine toimub tavaliselt holdout- või kross-valideerimisega; toimivust hinnatakse näiteks täpsuse, F1-skoori ja ROC AUC-i abil ning konfuentssioonimaatriksi analüüsiga. Mudeli valik ja hüperparameetrite seadistus põhinevad soovitud tasakaalustatuse, üldistamise ja keerukuse playful.

Rakendused hõlmavad teksti ja piltide sildistamist, meditsiinilisi diagnoose, finants- ja turvariski hindamist ning erinevaid soovitus- ja otsustusprotsesse. Väljakutsed hõlmavad andmekvaliteeti, märgendusvigade mõju, klasside tasakaalustatust ning mudeli selgitatavust ja usaldusväärsust.