klassifikatsioonimudelit

Klassifikatsioonimudel on masinõppe tüüp, mida kasutatakse üksuste või andmepunktide määramiseks eelnevalt kindlaksmääratud kategooriatesse või klassidesse. Selle peamine eesmärk on õppida andmetest mustreid ja suhteid, mis võimaldavad hiljem uusi, nägemata andmeid nende vastavatesse klassidesse paigutada. Klassifikatsioonimudelid vajavad treenimiseks märgistatud andmeid, kus iga andmepunkt on juba seostatud õige klassiga. Treenimisprotsessi käigus kohandab mudel oma parameetreid nii, et see suudaks võimalikult täpselt ennustada andmete klasse.

Klassifikatsioonimudelite rakendused on laialdased ja hõlmavad näiteks e-posti rämpsmeili tuvastamist, kus e-kirjad jaotatakse kategooriatesse "rämpspost" või "mitte-rämpspost". Samuti kasutatakse neid pildituvastuses, kus pildid klassifitseeritakse sisalduva objekti järgi (nt auto, inimene, loom). Meditsiinis võivad klassifikatsioonimudelid aidata diagnoosida haigusi, klassifitseerides meditsiinilised andmed (nt skaneeringud) kas haige või terve kategooriasse. Finantssektoris kasutatakse neid krediidiriski hindamisel, et otsustada, kas laenutaotleja on "usaldusväärne" või "mitteusaldusväärne".

Populaarsete klassifikatsioonimudelite hulka kuuluvad logistiline regressioon, tugivektorimasinad (SVM), otsustuspuud, juhuslikud metsad ja naiivne Bayes. Mudeli valik sõltub sageli andmete tüübist, probleemist ja soovitud täpsusest. Klassifikatsioonimudelite hindamisel kasutatakse meetrikaid nagu täpsus, meeldetuletus, F1-skoor ja ROC-kõver.