Odborná definícia
Význam a odborné vymedzenie pojmu
Classification je úloha, pri ktorej model priraďuje vstupu jednu alebo viac diskrétnych tried. Môže byť binárna, multiclass alebo multilabel a výstupom býva skóre či pravdepodobnostná distribúcia, z ktorej rozhodovacie pravidlo vytvorí štítok. Model sa učí z označených príkladov a hodnotí na dátach oddelených od tréningu. Kvalita závisí od definície tried, reprezentatívnosti dát, stratovej funkcie, prahu a nákladov chýb. Klasifikácia nepredpovedá automaticky príčinu ani budúcu číselnú hodnotu.
Zrozumiteľné vysvetlenie
Ako sa pojem používa v praxi
E-mailový filter môže každú správu zaradiť ako spam alebo legitímnu, obrázok môže dostať jednu triedu zvieraťa a článok viac tém naraz. Vo všetkých prípadoch musí byť najprv jasné, čo triedy znamenajú a ako sa riešia hraničné situácie. Model často nevydá iba názov, ale skóre pre každú možnosť. Aplikácia potom zvolí pravidlo, napríklad automaticky blokovať len vysoké riziko a neisté prípady poslať človeku. Úspech preto neurčuje jediná accuracy, ale správanie pri konkrétnych chybách a segmentoch.
Časté otázky
Otázky, ktoré spresňujú význam
Aký je rozdiel medzi multiclass a multilabel klasifikáciou?
Pri multiclass úlohe patrí príklad spravidla do jednej z navzájom sa vylučujúcich tried. Pri multilabel môže mať súčasne viac štítkov, napríklad článok technológia aj právo. Architektúra výstupu, strata a metriky sa preto líšia.
Čo je decision boundary?
Hranica v priestore príznakov, na ktorej sa mení predikovaná trieda. Jednoduchý lineárny model vytvára hyperrovinu, hlboká sieť môže vytvoriť komplexný tvar. Hranica naučená mimo oblastí pokrytých dátami nemusí mať spoľahlivý význam.
Prečo treba oddeliť tréningové a testovacie dáta?
Model sa môže prispôsobiť konkrétnym príkladom a preprocessingovým rozhodnutiam. Nezávislá testovacia sada odhaduje výkon na nových dátach. Ak rovnaký používateľ, dokument alebo časové obdobie prenikne do oboch častí, výsledok býva nadhodnotený.
Ako sa vyberá vhodná metrika?
Podľa rozhodnutia a ceny omylov. Pri vyvážených triedach môže pomôcť accuracy, pri zriedkavom riziku precision, recall a PR AUC. Multiclass úlohy potrebujú macro alebo weighted agregáciu a kontrolu výsledkov každej triedy.
Čo je abstention alebo reject option?
Model sa pri nízkej istote nerozhodne a prípad odovzdá inému systému alebo človeku. Takýto mechanizmus môže zvýšiť bezpečnosť, no znižuje automatizačné pokrytie. Prah odmietnutia sa testuje podľa kapacity a kritickosti procesu.
Súvisiace pojmy
Významové a tematické súvislosti
Pojem v rozhodovaní
Odborné články, ktoré tento pojem používajú v praxi
Zdroje a redakčná stopa
Použité východiská a odborná revízia
- Google Machine Learning Crash Course, Classification
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.