binääriluokitusta

Binääriluokitus on koneoppimisen tehtävä, jossa tavoitteena on luokitella havainnot kahteen erilliseen luokkaan. Nämä luokat ovat usein merkitty positiiviseksi ja negatiiviseksi, tosi ja epätosi, tai kyllä ja ei. Esimerkkejä binääriluokittelutehtävistä ovat roskapostin tunnistaminen sähköpostissa (roskaposti vs. ei roskapostia), kuvantunnistus (kissa vs. ei kissa) tai lääketieteellinen diagnoosi (sairas vs. terve).

Binääriluokittelussa käytetään erilaisia algoritmeja, kuten logistista regressiota, tukivektorikoneita (SVM), päätöspuita ja neuroverkkoja. Algoritmin tehtävänä on oppia malli annetuista harjoitusdatasta, jossa jokaisella havainnolla on tunnettu luokka. Tämän jälkeen mallia käytetään ennustamaan tuntemattomien uusien havaintojen luokka.

Binääriluokittelumallien suorituskykyä arvioidaan useilla mittareilla, joista yleisimpiä ovat tarkkuus (accuracy), presisio (precision), herkkyys (recall) ja F1-pisteet. Tarkkuus kuvaa oikein luokiteltujen havaintojen osuutta kaikista havainnoista. Presisio mittaa positiivisiksi ennustetuista havainnoista todellisuudessa positiivisten osuutta, kun taas herkkyys kertoo todellisten positiivisten havaintojen osuudesta, jotka malli on onnistunut tunnistamaan. F1-pisteet on presision ja herkkyyden harmoninen keskiarvo, tarjoten tasapainotetun mittarin. Usein mallin ennustama todennäköisyys tiettyyn luokkaan kuuluville havainnoille on tärkeä, jolloin myös ROC-käyrää ja AUC-arvoa käytetään suorituskyvyn arvioinnissa.