csoportosításának

A csoportosítás vagy osztályozás olyan rendezési folyamat, amely során tárgyakat, adatokat vagy jelenségeket közös jellemzőik alapján csoportokra bontanak. A csoportosítás célja a rendszerezés megkönnyítése és az információfeldolgozás hatékonyságának növelése. A megközelítés történeti és többféle irányból is megközelíthető: lehet logikai-szabályalapú vagy statisztikai alapú.

Megközelítés szerint beszélhetünk természetes (az adatok belső szerkezetén alapuló) és mesterséges (előre meghatározott szabályok alapján történő) csoportosításról. A biológiában taxonómiai osztályozás a közismert példa; a könyvtár- és információtudományban metadata-alapú rendszerezés; az adattudományban pedig klaszterezés és felügyelt osztályozás (gépitanulás-alapú) a gyakori megközelítés.

Az alkalmazott módszerek között szerepelhet kézi és szabályalapú osztályozás, döntési fák, k-means és hierarchikus klaszterezés, valamint felügyelt tanulási modellek és neurális hálózatok. A csoportosítás minőségének értékeléséhez a kiválasztott kritériumok relevanciája és a feladat specifikusa a fontos.

Széles körű alkalmazási területek közé tartozik a biológiai taxonómia, információkezelés és katalogizálás, adatelemzés és bányászat, piaci szegmentáció, valamint nyelvészeti és szemantikai rendszerek.

Fő kihívások közé tartozik a kategóriák szubjektivitása és átfedése, a kategóriák dinamikus volta, a zajos adatok hatása, illetve a kimenet értelmezhetősége és reprodukálhatósága. A teljesítmény értékelésére használt mérőszámok például a tisztaság, a silhouette-score, a pontosság és a rekall lehetnek.