klassifikaatorile

Klassifikaator on masinõppe mudel, mis võtab sisendi omaduste vektorina ja määrab sellele ühe kindla klassi või kategooria. Tavaliselt treenitakse klassifikaator märgistatud andmete abil, kus iga näide sisaldab omadusi ja vastavat klassi. Pärast treeningut püüab mudel üldistada ja uutele, nägemata sisenditele õiged sildid määrata.

Klassifikatsioon jaguneb peamiselt binaarseks (kaks klassi), mitmeklassiliseks (rohkem kui kaks klassi) ning mitmeetiktiliseks ehk multi-label, kus üks näide võib korraga kuuluda mitmele klassile. Treeningprotsessis valitakse mudel ja selle parameetrid ning optimeeritakse kaotuste funktsioon, et parandada õigete klasside ennustamist. Mudeli kehahooldus hõlmab andmete esialgset töötlemist, funktsioonide (omaduste) valikut ja vajadusel andmete tasakaalustamist ebavõrdsuse vältimiseks.

Populaarsed klassifikaatorite liigid hõlmavad lineaarset logistilist regressiooni, toetavate vektorite masinatega (SVM), otsustuspuud, juhuslikke metsi (Random Forest), gradient boostingi meetodeid ning Naive Bayes’i. Närvivõrgud on kaasaegsed sügavad klassifikaatorid, mis sobivad keerukamate andmekogumite jaoks. Õppimine võib olla kõigest jälgitav (supervised) või vajadusel tugevalt järeldatud (semi-supervised, unsupervised) ning kaasata kalibreerimist, kui on vaja usaldusväärseid tõenäosusteatisi.

Hindamine toimub jagatud andmestikuga: treening-, valideerimis- ja testikomplektid; kasutatavad metrikad hõlmavad täpsust, tundlikkust, täpsust, F1-skoori ja ROC-AUC-i. Klassifikaatoreid kasutatakse laialdaselt e-posti rämpspost filtreerimisel, pildituvastuses, meditsiinilises diagnostikas ja teksti- ning kõnetöötluses.