klassifikasjonsproblem

Et klassifikasjonsproblem er et maskinlæringsproblem der målet er å tilordne hver inndata en eller flere etiketter fra et fast sett av klasser basert på kjennetegn ved observasjonen. Typisk er problemet overvåket: treningsdataene består av par (x, y) der y er riktig klasse for x, og modellen lærer å mappe x til y.

Formelt er x en vektor av trekk, x ∈ R^n, og y tilhører et sett av klasser L. Klassifisering deles ofte inn i binær klassifisering (to klasser) og multiclass (flere klasser). Det finnes også multilabel-klassifisering der en observasjon kan få flere etiketter samtidig.

Vanlige algoritmer inkluderer logistisk regresjon, beslutningstrær, random forest, gradient boosting (for eksempel XGBoost), støttevektor-maskiner, k-nearest neighbors og nevrale nettverk. For multiclass-problemer brukes ofte one-vs-rest-tilnærming eller innebygde multi-klassevarianter.

Evaluering: Vanlige mål er nøyaktighet, presisjon, recall og F1-score, samt ROC-AUC for skjevfordelte data. En konfusjonsmatrise er ofte nyttig. For å få realistisk ytelse deles data i opplærings-, validerings- og testsett; kryssvalidering brukes også.

Dataforberedelse og utfordringer: God ytelse krever riktig featurering, normalisering og håndtering av manglende verdier. Ulike klassefordelinger kan kreve balanse-teknikker. Overtilpasning og skjevhet/bias er viktige problemstillinger, spesielt i følsomme anvendelser.

Anvendelser: Tekstklassifisering (spam, sentiment), bilde- og talenær klassifisering, medisinsk diagnose, kredittvurdering og andre beslutningsstøtteoppgaver.