classificatieproblemen

Een classificatieprobleem is een type machine learning- of statistisch probleem. Het doel is aan elke invoer een discrete label toe te kennen. In een typisch supervisiedataset bestaan de voorbeelden uit kenmerken en een label. Het leerproces zoekt de relatie tussen kenmerken en label zodat nieuwe voorbeelden kunnen worden geclassificeerd.

Varianten zijn: binaire classificatie (twee klassen), multiclass classificatie (meerdere klassen) en multi-label classificatie (een invoer kan meerdere labels hebben). Voorbeelden: spamfilter (binair), handschrift-herkenning (multiclass), medische diagnose met meerdere aandoeningen (multi-label).

Ontwikkeling omvat data-verzameling en -voorbewerking, featurekeuze, modelselectie en training met een passend verlies. Verliezen zoals kruisentropie worden veel gebruikt bij probabilistische modellen. Prestatie wordt beoordeeld met een train-test scheiding of kruisvalidatie. In rapportages zijn metriek zoals nauwkeurigheid, precisie, recall, F1-score en ROC-AUC gangbaar.

Belangrijke uitdagingen zijn onbalans tussen klassen, overfitting, datalekken en interpretatie. Bias en privacy zijn belangrijke overwegingen. Het is cruciaal dat labelinformatie niet onbedoeld in de trainingsdata terechtkomt.

Veelgebruikte algoritmen zijn logistieke regressie, naïve Bayes, beslissingsbomen, random forest, gradient boosting, support-vector machines en neurale netwerken. Modellen kunnen probabilistische uitspraken geven over klassen en vereisen soms drempelinstellingen voor de definitieve classificatie.

Classificatie valt doorgaans onder supervised learning; clustering behoort tot unsupervised learning en kent geen labels.