Топ питань
Часова шкала
Чат
Перспективи

Бінарна класифікація

З Вікіпедії, вільної енциклопедії

Бінарна класифікація
Remove ads

Бінарна класифікація — клас задач класифікації елементів набору даних на дві групи на підставі правила класифікації[en].

Thumb

Типові задачі бінарної класифікації:

  • медичне тестування, яке дозволяє визначити, наявність або відсутність певного захворювання;
  • технічні випробування[en] або контроль якості на виробництві на відповідність або невідповідність виробу вимогам специфікації[en];
  • інформаційний пошук, за результатами якого приймається рішення про включення або невключення деякого інформаційного ресурсу в набір результатів пошуку. В цьому правило класифікації це релевантність пошуковому запиту або корисність для користувача.

Важливим моментом бінарної класифікації є те, що два класи звичайно не симетричні як за обсягом відмінних наборів даних з кожного класу, так і за наслідками помилкової класифікації. Наприклад, у медичному тестуванні варіативність даних про кров'яний тиск є значно меншою, ніж варіативність цих даних для хворих, а наслідком помилки класифікації стане призначення лікування здоровій людині або непризначення хворій.

Remove ads

Статистична бінарна класифікація

Задача класифікації є предметом розгляду в машинному навчанні. Це задача керованого навчання — метод в якому категорії відомі, і задача полягає у визначенні цих категорій для нових спостережень. Коли таких категорій всього дві, то це статистична бінарна класифікація.

Для автоматизованого вирішення задач бінарної класифікації часто застосовують методи, як

Якість класифікатора залежить від предметної області та від кількості спостережень, розмірності вектора ознак, шуму в даних та багатьох інших факторів. Наприклад, random forest на хмарах 3D-точок працює краще, ніж метод опорних векторів.[1][2]

Remove ads

Оцінки бінарних класифікацій

Існує багато метрик, які можна використовувати для вимірювання продуктивності класифікатора або якості прогнозу. Різні поля мають різні переваги для конкретних метрик, які відповідають різним цілям. Наприклад, в медицині часто використовуються чутливість і специфічність, в той час як при добуванні інформації вважають за краще влучність і повноту. Важливою відмінністю в метриках полягає в тому, чи є вона незалежної від поширеності (як часто кожна категорія зустрічається в популяції, англ. prevalence) і метрики, які залежать від поширеності обох типів також корисні, але вони дуже відрізняються властивостями.

Remove ads

Див. також

Примітки

Література

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.

Remove ads