კლასიფიკაცია (Classification)

კლასიფიკაცია (Classification) – ამოცანა, როცა მოდელი მონაცემს წინასწარ განსაზღვრულ კატეგორიას მიაკუთვნებს, მაგალითად „სპამი“ ან „არა სპამი“.

როგორ მუშაობს კლასიფიკაცია

კლასიფიკაციისას (classification) მოდელი შემავალ მონაცემს ერთ-ერთ წინასწარ ცნობილ კატეგორიას მიაკუთვნებს. ის სწავლობს მონიშნულ მაგალითებზე და შემდეგ ახალი ობიექტისთვის ითვლის, რომელ კლასს ეკუთვნის ყველაზე დიდი ალბათობით. კლასი შეიძლება იყოს ორი (კი/არა) ან ბევრი (მაგ. ცხოველის სახეობები).

მაგალითი ყოველდღიური ცხოვრებიდან

ელფოსტა წერილს „სპამად“ ან „ჩვეულებრივად“ ყოფს. ბანკი ტრანზაქციას „ნორმალურად“ ან „საეჭვოდ“ აფასებს. ფოტოების აპლიკაცია სურათზე ცხოველს ცნობს.

რატომ არის კლასიფიკაცია მნიშვნელოვანი

• ყოველდღიურობა – სპამ-ფილტრი, თაღლითობის აღმოჩენა და კონტენტის მოდერაცია კლასიფიკაციაა.
• გადაწყვეტილებები – ეხმარება სწრაფ, ავტომატურ გადაწყვეტილებებს დიდ მასშტაბში.
• შეფასება – მის ხარისხს ზომავენ სიზუსტით, precision-ით და recall-ით.

კლასიფიკაციის სახეები

ბინარული კლასიფიკაცია ორ ვარიანტს შორის არჩევანია: სპამი თუ არა, თაღლითობა თუ არა. მრავალკლასიანში ვარიანტი ბევრია, მაგრამ ობიექტი მხოლოდ ერთს ეკუთვნის, მაგალითად ცხოველის სახეობა სურათზე. მრავალეტიკეტიან კლასიფიკაციაში კი ერთ ობიექტს რამდენიმე ეტიკეტი შეიძლება ჰქონდეს: სტატია ერთდროულად შეიძლება იყოს „ტექნოლოგია“ და „ეკონომიკა“.

კლასიფიკაციის შეფასებისას მხოლოდ სიზუსტე ხშირად შეცდომაში შემყვანია. თუ წერილების მხოლოდ 1% არის თაღლითური, მოდელი, რომელიც ყოველთვის „ნორმალურს“ ამბობს, 99%-ით ზუსტი იქნება, მაგრამ სრულიად უსარგებლო. ამიტომ ზომავენ precision-ს, ანუ რამდენად სწორია დადებითი პასუხები, და recall-ს, ანუ რა ნაწილი იპოვა მოდელმა ყველა რეალური შემთხვევიდან.

მოდელი ჩვეულებრივ აბრუნებს არა მხოლოდ კლასს, არამედ ალბათობასაც. ზღვრის შეცვლით შეიძლება ბალანსის რეგულირება: სამედიცინო სკრინინგში ჯობს მეტი საეჭვო შემთხვევა მოინიშნოს, ვიდრე ერთი რეალური გამოგრჩეს.

კლასიფიკაციის შედეგების ნათლად სანახავად იყენებენ ცხრილს, რომელსაც შეცდომების მატრიცა ჰქვია. მასში ჩანს, რამდენჯერ მიაკუთვნა მოდელმა ობიექტი სწორ კლასს და რომელ კლასებს ურევს ერთმანეთში ყველაზე ხშირად. ეს ინფორმაცია გვეხმარება გავიგოთ, რა სახის დამატებითი მონაცემი სჭირდება მოდელს. მაგალითად, თუ ის ხშირად ურევს ორ მსგავს ჯიშის ძაღლს, სწორედ ამ ჯიშების მეტი ფოტოა საჭირო.

დაკავშირებული ტერმინები

რეგრესია · ზედამხედველობითი სწავლება · ანოტაცია · კლასტერიზაცია · კომპიუტერული ხედვა · AI ლექსიკონი

ხშირად დასმული კითხვები

შეჯამება

კლასიფიკაცია მონაცემს წინასწარ განსაზღვრულ კატეგორიაში ათავსებს. ეს მანქანური სწავლების ერთ-ერთი ყველაზე გავრცელებული ამოცანაა.