Sınıflandırma Nedir? Makine Öğrenmesinde Sınıflandırma

Sınıflandırma, "bu hangi gruba giriyor?" sorusunu cevaplayan makine öğrenmesi görevidir. Model, etiketli örneklerden öğrenir ve yeni bir veri geldiğinde onu bilinen sınıflardan birine yerleştirir. Bu nedenle denetimli öğrenme kapsamında yer alır.

Türleri

• İkili sınıflandırma: İki seçenek vardır. Örneğin "spam / spam değil", "dolandırıcılık / normal işlem".
• Çok sınıflı sınıflandırma: Birden fazla seçenekten biri seçilir. Örneğin bir harcamayı "gıda", "ulaşım", "fatura" ya da "eğlence" olarak etiketlemek.
• Çok etiketli sınıflandırma: Bir veri aynı anda birden fazla etikete sahip olabilir. Örneğin bir haber hem "ekonomi" hem "teknoloji" olabilir.

Nasıl çalışır?

1. Etiketli veri toplanır (ör. daha önce "spam" ya da "normal" diye işaretlenmiş e-postalar).
2. Model bu örneklerden ayırt edici kalıpları öğrenir.
3. Yeni bir veri için her sınıfa bir olasılık hesaplar ve genellikle en yüksek olanı seçer.

Karar ağaçları, lojistik regresyon ve sinir ağları sık kullanılan yöntemlerdendir. Sürekli bir sayı tahmin etmek ise regresyon görevidir.

Örnek

Varsayımsal bir banka, kart işlemlerini "normal" ve "şüpheli" olarak sınıflandıran bir model kullanıyor. Model gece yarısı, yurt dışında ve alışılmadık tutarda yapılan bir işlemi yüksek olasılıkla "şüpheli" olarak işaretleyebilir ve ek doğrulama ister.

Nelere dikkat etmeli?

• Dengesiz veri: Bir sınıf çok nadir ise yalnızca doğruluk oranına bakmak yanıltır; kesinlik ve duyarlılık gibi ölçütler gerekir.
• Eşik seçimi: Şüpheli işlemi yakalamak ile müşteriyi gereksiz rahatsız etmek arasında denge kurulmalıdır.
• Önyargı: Model belirli gruplarda daha çok hata yapıyor olabilir; sonuçlar gruplara göre ayrı ölçülmelidir.
• Değişen koşullar: Dolandırıcılık yöntemleri değiştikçe model güncellenmelidir.