klassningsuppgifter

Klassningsuppgifter är uppgifter där målet är att tilldela en eller flera etiketter till enhet baserat på dess egenskaper. Begreppet används i olika sammanhang, ofta inom skolarbete och inom maskininlärning. I utbildningen används klassningsuppgifter för att träna elever i att känna igen och gruppera likheter och skillnader mellan företeelser, exempelvis att sortera djur efter habitat eller att klassificera ämnen efter färg, form eller funktion. Ofta följer uppgifter med en enkel rätt/fel-respons och ger möjlighet till snabb återkoppling och betygsättning.

I datavetenskap och artificiell intelligens betecknar klassning en övervakad uppgift där varje exempel har en korrekt etikett. Modellen får ingångsdata i form av funktioner och ska förutsäga vilken etikett som hör till varje exempel. Vanliga problemtyper är binär klassning (två etiketter) och flerkategoriklassning (flera etiketter). I vissa sammanhang förekommer även flerskiktsklassning (multi-label) där flera etiketter kan gälla samtidigt. En standardprocess är att samla in eller skapa ett märkt dataset, dela upp det i tränings-, validerings- och testdelar, träna en modell, och utvärdera den med mått som noggrannhet (accuracy), precision, recall och F1-score samt ofta en ROC-AUC för probabilistiska modeller. Vanliga algoritmer är logistisk regression, beslutsträd, k-nearest neighbors, support vector machines och moderna neurala nätverk. Viktiga överväganden är förmågan att hantera obalans i data, tolkbarhet, och risken för överfitting.