Classificació estadística

En aprenentage automàtic i estadística, la classificació estadística és el problema d'identificar a quin d'un conjunt de categories (subpoblaciones) pertany una nova observació, sobre la base d'un conjunt de senyes de formació que conté observacions (o instàncies) la categoria de les quals de membres és coneguda. Un eixemple seria assignar a un correu electrònic donat la classificació de "spam" o "no spam", o assignar un diagnòstic a un pacient donat segons les característiques observades del pacient (sexe, gènero, pressió arterial, presència o absència de certs síntomes, etc.). La classificació és un eixemple reconeiximent de patrons.

En la terminologia d'aprenentage automàtic, la classificació està considerada com un cas d'aprenentage supervisat, és dir, un aprenentage en el que es dispon d'un conjunt d'observacions correctament identificades. El procediment no supervisat es coneix com clustering, i implica agrupar les senyes i categories basades en alguna mida de similitut o distància inherent.

A sovint, les observacions individuals s'analisen en un conjunt de propietats quantificables, conegudes com a variables explicatives o característiques. Estes propietats poden ser categòrica(per eixemple,"A","B","AB" o "O", per al grup sanguíneu), ordinals (per eixemple,"gran","mijà" o "menut"), de número entero (per eixemple, el número d'ocurrències d'una paraula en particular en un mensage de correu electrònic) de número real (per eixemple, una medició de la pressió arterial). Atres classificadors treballen comparant observacions contra observacions anteriors per mig de la funció de similitut o de distància.

Un algoritme que implementa la classificació, especialment en una implementació concreta, es coneix com un classificador. El terme "classificador" algunes voltes referix a la funció matemàtica, implementada per un algoritme de classificació, que associa les senyes d'entrada a una categoria.

La terminologia a través dels diferents camps és molt variada. En estadística, quan la classificació es fa a sovint en regressió llogística o en un procediment similar, les propietats de les observacions es denominen variables explicatives (o variables independents, regriones, etc.), i les categories a predir es coneixen com a classes, que es consideren possibles valors de la variable depenent. En l'aprenentage automàtic, les observacions es coneixen a sovint com a instàncies, les variables explicatives es denominen característiques (agrupades en un vector de característiques) i les possibles categories a predir són classes. Atres camps poden utilisar terminologia diferents: per eixemple, en ecologia de comunitats, el terme "classificació" es referix normalment al anàlisis de grups, és dir, a un tipo d'aprenentage no supervisat, en lloc de l'aprenentage supervisat descrit en este artícul.

Àmbits d'aplicació

La classificació té moltes aplicacions. En alguns d'estos està amprat com a procediment de mineria de senyes, mentres que en uns atres es porta a terme una modelació estadística més detallat.

• Visió d'ordenador
  • Image mèdica i anàlisis d'image mèdica
  • Reconeiximent òptic de caràcters
  • Seguiment d'objectes
• Descobriment de fàrmacs i desenroll
  • Toxicogenómica
  • Estructura quantitativa i estructura activitat
• Geoestadística
• Reconeiximent del parla
• Reconeiximent d'escritura a mà
• Biometria
• Taxinomía
• Processament de llengua natural estadístic
• Classificació de documents
• Motors de busca d'internet
• El crèdit que puntua
• Reconeiximent de patrons
• Micro-Classificació de varietat

Vore també

• Inteligència artificial
• Classificació binaria
• Provabilitats d'afiliació de la classe
• Regla de classificació
• Processament de determini compost
• Mineria de senyes

• Almagasén de senyes
• Llògica difusa
• Busca i recuperació d'informació
• Llista de datasets per a busca d'aprenentage de la màquina
• Aprenentage automàtic
• Sistema de recomanació