Classification – (Sınıflandırma)

Classification (Sınıflandırma), makine öğrenmesinde bir veri örneğinin önceden tanımlanmış sınıflardan hangisine ait olduğunu belirlemeyi amaçlayan denetimli öğrenme (supervised learning) problemidir. Bu yaklaşımda model, etiketlenmiş eğitim verileri üzerinde giriş özellikleri (features) ile hedef değişken (target variable) arasındaki ilişkiyi öğrenir ve daha önce karşılaşmadığı yeni verileri uygun sınıflara atamaya çalışır. Sınıflandırma, yapay zekânın en yaygın uygulama alanlarından biri olup; görüntü tanıma, doğal dil işleme, tıbbi teşhis, dolandırıcılık tespiti ve spam filtreleme gibi birçok alanda kullanılmaktadır.

Sınıflandırma problemleri, hedef değişkenin yapısına göre farklı türlere ayrılır. İkili sınıflandırma (binary classification), yalnızca iki sınıfın bulunduğu problemleri kapsar. Örneğin bir e-postanın “spam” veya “spam değil” olarak sınıflandırılması ya da bir hastanın “hasta” veya “sağlıklı” olarak değerlendirilmesi bu gruba girer. Çok sınıflı sınıflandırma (multiclass classification) ise bir örneğin birden fazla sınıftan yalnızca birine atanmasını gerektirir; el yazısı rakam tanıma veya hayvan türlerinin belirlenmesi buna örnektir. Çok etiketli sınıflandırma (multilabel classification) problemlerinde ise aynı veri örneği birden fazla sınıfa aynı anda ait olabilir. Örneğin bir haber metni hem “ekonomi” hem de “teknoloji” kategorileriyle etiketlenebilir.

Sınıflandırma problemlerinde lojistik regresyon (Logistic Regression), karar ağaçları (Decision Trees), rastgele ormanlar (Random Forest), destek vektör makineleri (Support Vector Machines – SVM), k-en yakın komşu (k-Nearest Neighbors – k-NN), Naive Bayes, yapay sinir ağları ve derin öğrenme modelleri yaygın olarak kullanılmaktadır. Model performansı doğruluk (accuracy), kesinlik (precision), duyarlılık (recall), özgüllük (specificity), F1 skoru ve ROC-AUC gibi ölçütlerle değerlendirilir. Başarılı bir sınıflandırma modeli geliştirebilmek için kaliteli eğitim verisi, doğru etiketleme, dengeli sınıf dağılımı ve uygun özellik seçimi büyük önem taşır. Günümüzde sınıflandırma algoritmaları; sağlıkta hastalık teşhisi, bankacılıkta kredi riski analizi, e-ticarette ürün önerileri, sosyal medyada içerik filtreleme, siber güvenlikte tehdit tespiti ve üretken yapay zekâ sistemlerinde içerik denetimi gibi çok sayıda uygulamada kullanılmaktadır. Bu yönüyle sınıflandırma, veri odaklı karar verme süreçlerinin temelini oluşturan ve yapay zekâ uygulamalarında en yaygın kullanılan öğrenme görevlerinden biri olarak kabul edilmektedir.