binääriluokituksessa
Binääriluokitus on koneoppimisen tehtävä, jossa tavoitteena on luokitella kohteet kahteen erilliseen luokkaan. Tämä on yleisin luokittelutehtävien muoto. Esimerkiksi sähköpostin luokittelu roskapostiksi tai ei-roskapostiksi on binääriluokituksen ongelma. Muita esimerkkejä ovat sairauksien tunnistaminen (sairas vs. terve) tai luottokelpoisuuden arviointi (luottokelpoinen vs. ei-luottokelpoinen).
Binääriluokitteluun käytetään erilaisia algoritmeja, kuten logistista regressiota, tukivektorikoneita (SVM), päätöspuita ja neuroverkkoja. Algoritmin valinta riippuu datan
Binääriluokittelumallien suorituskykyä arvioidaan useilla mittareilla. Yleisimpiä ovat tarkkuus (accuracy), precision, recall ja F1-score. Tarkkuus kertoo kuinka