Klaszifikáció

Klaszifikáció olyan folyamat, amelynek során tárgyakat, jelenségeket vagy adategységeket közös jellemzőik alapján csoportosítunk és rendszerezzünk úgy, hogy a létrejövő csoportokat osztályoknak vagy kategóriáknak nevezzük. A cél a hasonlóságok és a különbségek feltárása, az adatok áttekinthetőségének és kezelhetőségének javítása. A klasszifikáció sok tudományterületen alapfogalom: biológiában taxonómia és rendszertan, informatikában és adattudományban pedig felügyelt és felügyelet nélküli osztályozást alkalmaznak, például képelemek, szövegek vagy egyéb adatok címkézésére.

Felügyelt osztályozásnál a tanító adatok címkéket tartalmaznak, és a modell a címkézett példák alapján tanul, majd új adatokra meghatározza a megfelelő osztályt. Nem felügyelt osztályozásnál a rendszer megpróbálja találni az adatok saját struktúráját, gyakran klaszterezéssel; a kimenet nem előre definiált osztályokat ad, hanem csoportokat. A klasszifikáció hierarchikus vagy lapos lehet; a modellek között megtalálhatók például döntési fák, neurális hálózatok, támogatott vektoros gépek és logisztikus regresszió.

Értékelés során mérőszámokkal, például pontossággal, precizitással, visszahívással és F1-értékkel, illetve konfúziós mátrix segítségével értékelik a modellt. A folyamat gyakran magában foglalja adatok gyűjtését, jellemzők kiválasztását, modell kiválasztását, tanítást, validálást és finomhangolást. Klaszifikáció kulcsfontosságú eszköz a rendszerezéshez, adatelemzéshez, és számos alkalmazási területen, például termékkategorizálásban, orvosi diagnózisban és szöveg- vagy képfeldolgozásban.