Ce este Clasificare?

Ce înseamnă Clasificare

Clasificarea este una dintre cele mai frecvente sarcini din machine learning: modelul primește ceva (un e-mail, o imagine, o tranzacție, o recenzie) și decide în ce categorie intră, dintr-o listă stabilită dinainte. Răspunsul este o etichetă, nu un număr oarecare.

Există trei variante: clasificare binară (două categorii: spam/nu e spam, fraudă/nu e fraudă), clasificare multi-clasă (mai multe categorii, dar una singură corectă: cifrele de la 0 la 9) și clasificare multi-etichetă (un exemplu poate avea mai multe etichete: o poză cu „plajă”, „apus” și „câine”).

Cum funcționează

Clasificarea face parte din învățarea supervizată: modelul învață din exemple deja etichetate de oameni. De obicei, modelul nu dă direct o etichetă, ci o probabilitate pentru fiecare categorie (de exemplu „spam: 87%”), iar un prag de decizie transformă probabilitatea în răspuns.

Se pot folosi multe tipuri de modele: arbori de decizie, random forest, k-NN, SVM, regresie logistică sau rețele neuronale. Performanța se măsoară cu acuratețe, precizie, recall, scor F1 și matricea de confuzie.

Pe înțelesul tuturor

Este munca unui poștaș care sortează scrisorile în cutii după județ: fiecare scrisoare ajunge într-o singură cutie, iar lista de cutii este fixă. Clasificarea face același lucru, cu date.

Exemplu

Un magazin online primește zilnic sute de mesaje și vrea să le trimită automat la departamentul potrivit: „livrare”, „retur”, „plată” sau „altele”. Un model de clasificare multi-clasă, antrenat pe 5.000 de mesaje etichetate manual, citește mesajul „Am primit mărimea greșită, cum o trimit înapoi?” și îl încadrează la „retur”, cu 94% probabilitate.

De reținut

• Clasificarea alege o categorie dintr-o listă fixă.
• Poate fi binară, multi-clasă sau multi-etichetă.
• Modelul dă de obicei probabilități, transformate în decizii printr-un prag.

Nu confunda

• Clasificare vs. regresie: clasificarea prezice o categorie („va ploua: da/nu”), regresia prezice un număr („vor cădea 12 litri pe metru pătrat”).
• Clasificare vs. clustering: la clasificare categoriile sunt cunoscute dinainte și există exemple etichetate; la clustering, modelul descoperă singur grupuri, fără etichete.

Termeni înrudiți

• Regresie: Sarcina de machine learning în care modelul prezice un număr, de exemplu un preț, o temperatură sau o durată.
• Învățare supervizată: Metoda de machine learning în care modelul învață din exemple care au deja atașat răspunsul corect.
• Matrice de confuzie: Tabel care arată, pentru fiecare categorie reală, cum a fost clasificată de model, ca să vezi exact unde greșește.
• Arbore de decizie: Model care ia decizii printr-o succesiune de întrebări simple de tip da/nu, organizate ca ramurile unui copac.
• Analiza sentimentelor: Tehnică AI care stabilește automat dacă un text exprimă o opinie pozitivă, negativă sau neutră.
• Clustering (grupare): Tehnică de învățare nesupervizată care grupează automat datele asemănătoare, fără etichete date dinainte.