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 luonteesta ja ongelman erityispiirteistä. Tavoitteena on rakentaa malli, joka pystyy ennustamaan oikean luokan uudelle, ennalta tuntemattomalle datalle mahdollisimman suurella tarkkuudella.

Binääriluokittelumallien suorituskykyä arvioidaan useilla mittareilla. Yleisimpiä ovat tarkkuus (accuracy), precision, recall ja F1-score. Tarkkuus kertoo kuinka suuri osa kaikista ennusteista oli oikein. Precision keskittyy positiivisten ennusteiden oikeellisuuteen, kun taas recall mittaa, kuinka suuri osa todellisista positiivisista tapauksista tunnistettiin. F1-score on precisionin ja recallin harmoninen keskiarvo. Erityisesti epätasapainoisissa dataseteissä, joissa toinen luokka on huomattavasti yleisempi kuin toinen, on tärkeää käyttää muita mittareita kuin pelkkää tarkkuutta.