آموزش انواع مسائل طبقه بندی Classification

آموزش انواع مسائل طبقه بندی Classification

طبقه بندی یکی از روش های یادگیری ماشین است و برای یادگیری چگونگی تخصیص برچسب کلاس به یک نمونه ورودی، استفاده می شود. مسئله طبقه بندی را به چهار دسته تقسیم کرد:

طبقه بندی دودویی: مسائلی که دارای دو برچسب کلاس هستند. مانند شناسایی ایمیل اسپم که دارای دو برچسب اسپم یا غیر اسپم است.

طبقه بندی چند کلاسه: مسائل طبقه بندی هستند که دارای بیش از دو برچسب کلاس هستند. مانند طبقه بندی چهره، طبقه بندی گونه های گیاهی و شناسایی کاراکترهای نوری.

طبقه بندی چند برچسبی: وظایفی هستند که برای هر نمونه دو یا چند برچسب کلاس قابل پیش بینی است. در مثال طبقه بندی عکس، زمانی که یک عکس شامل چند جزء در تصویر باشد، یک مدل به پیش بینی چندین برچسب در عکس می پردازد مانند افراد، دوچرخه و غیره (شکل بالا تفاوت بین طبقه بندی چندکلاسه و چند برچسبی).

طبقه بندی نامتوازن: مسائل طبقه بندی که تعداد نمونه ها در هر کلاس به صورت نابرابر توزیع شده اند. مثلا در تست های تشخیص سرطان تعداد بسیار زیادی از افراد سالم و تعداد اندکی دارای سرطان هستند.

در اینجا آشنایی انواع مسائل طبقه بندی Classification به پایان رسیده است و در آموزش های بعدی به مباحث دیگر آموزش نرم افزار اتوکد سه بعدی می پردازیم. همچنین از شما کاربران عزیز سایت متلب پروژه دعوت می کنیم که برای انجام پروژه یادگیری ماشین آموزش های ما را دنبال نمایید.