Wprowadzenie
Classifier (Klasyfikator) to rodzaj modelu uczenia maszynowego nadzorowanego (supervised learning), którego głównym zadaniem jest przypisanie obiektu wejściowego do jednej lub kilku zdefiniowanych kategorii (klas).
Typy klasyfikacji
- Binary Classification – dwie klasy (np. spam / nie spam, chory / zdrowy)
- Multi-class Classification – wiele klas wzajemnie się wykluczających (np. rozpoznawanie cyfr 0-9)
- Multi-label Classification – jeden obiekt może należeć do wielu klas jednocześnie (np. tagi na zdjęciu)
Popularne algorytmy klasyfikatorów
- Logistic Regression
- Decision Trees & Random Forest
- Support Vector Machines (SVM)
- Naive Bayes
- k-Nearest Neighbors (k-NN)
- Gradient Boosting (XGBoost, LightGBM, CatBoost)
- Neural Networks (w tym CNN dla obrazów i Transformer dla tekstu)
Metryki oceny klasyfikatorów
- Accuracy (dokładność)
- Precision, Recall, F1-Score
- Confusion Matrix
- ROC-AUC i PR-AUC
- Log Loss (Cross-Entropy)
Zastosowania w praktyce
- Wykrywanie spamu i phishingu
- Rozpoznawanie obrazów i mowy
- Diagnostyka medyczna
- Analiza sentymentu tekstów
- Wykrywanie oszustw bankowych
- Moderacja treści na platformach społecznościowych
- Klasyfikacja klientów (churn prediction)
Powiązane pojęcia
Classification • Regression • Supervised Learning • Confusion Matrix • Precision • Recall • F1-Score • Random Forest • Neural Network • Logistic Regression
Dodano: 16 maja 2026