021-71053903 [email protected] پشتیبانی از شنبه تا چهارشنبه ساعت 9 الی 16

Classification چیست؟

Classification چیست؟

به طور کلی  machine learning، طبقه بندی نوعی Supervised learning(یادگیری همراه با نظارت) است که مجموعه وسیعی از داده ها را برای آموزش دادن به هوش مصنوعی داراست که آن را training set می نامند، که این طبقه بندی را Classification میگویند

Classification چیست؟

به طور مثال اختصاص دادن یک ایمیل به قسمت spam یا non-spam و یا تعیین مشکلات یک بیمار بر پایه ویژگیهای مشاهده شده(جنسیت، فشار خون و …) است ؛ به نوعی طبقه بندی، نمونه ای تشخیص الگو(Pattern recognition) نیز می باشد که آن الگو با استفاده از هوش مصنوعی بهبود پیدا میکند!

ایده الگوریتم های Classification  بسیار ساده است، به طوری که شما با تجزیه و تحلیل مجموعه داده های آموزشی، کلاس هدف(class target)  را شناسایی می کنید. این یکی از مهم ترین مفاهیمی است که شما زمانی که شروع به یادگیری data science میکنید آن را می آموزید.

نمونه هایی از Class target :

  • آنالیزیک مشتری برای پیش بینی اینکه آیا لوازم جانبی رایانه اش را  خریداری خواهد کرد یا  خیر.(Target class: Yes or No)
  • طبقه بندی میوه ها بر پایه ویژگی هایی مانند رنگ، طعم، اندازه، وزن.(Target classes: Banana, Apple , Orange ,…)
  • طبقه بندی جنسیت بر اساس طول مو.(Target classes : Male or Female)
Classification چیست؟

بیاید با استفاده از طبقه بندی جنسیت بر اساس طول مو مفهوم الگوریتم های Classification  ها را بهتر درک کنیم. برای طبقه بندی کردن جنسیت با استفاده از طول مو همراه با پارامتر های ویژگی مو ما میتوانیم با استفاده از الگوریتم های Classification مدلی را راه اندازی کنیم تا به برخی از شرایط متمایز بودن مو های مرد و زن اشاره داشته باشد . در رابطه با طبقه بندی کردن جنسیت ها،  boundary condition می تواند طول مناسب مو را داشته باشد. فرض کنید مقدار تفاوت  boundary condition در طول مو 15 سانتی متر است سپس میتوانیم تعریف کنیم که اگر طول مو کمتر از 15 سانتی متر باشد پس جنسیت ، مرد باشد یا زن.

اصطلاحات اساسی الگوریتم های Classification چیست؟

  • Classifier : الگوریتمی که داده های ورودی را به یک دسته خاص اختصاص میدهد.
  • Classification model  : نوعی مدل طبقه بندی  که سعی در نتیجه گیری داده های ورودی از آموزش دارد و برچسب ها یا دسته ها را برای داده های جدید پیش بینی می کند.
  • Feature : Feature یک خاصیت قابل اندازه گیری فردی از یک پدیده که مشاهده میشود است.
  • Binary : طبقه بندی کردن یک چیز با وجود تنها دو نتیجه ممکن. مانند مثال مرد یا زن بودن بر اساس طول مو در بالا.
  • Multi-class : طبقه بندی کردن با بیشتر از دو کلاس که در  Multi-class classification هر نمونه فقط به یک label اختصاص داده میشود. ( به طور مثال یک حیوان میتواند فقط گربه یا سگ باشد ولی همزمان نمیتواند هر دو آن ها باشد)
  • Multi-label : طبقه بندی از داده ها که هر نمونه به چند label اختصاص داده میشود. (مثالی که برای این نوع طبقه بندی داده ها زده می شود مانند مقاله خبری است که هم زمان می تواند  ورزشی ، در رابطه با یک شخص ، و یا یک مکان باشد.

انواعی از اپلیکیشن های Classification :

  • طبقه بندی spam ایمیل ها.
  • پیش بینی تمایل به پرداخت وام مشتریان بانک.
  • شناسایی سلول تومور سرطان.
  • تجزیه و تحلیل احساسات.
  • شناسایی نقاط کلیدی صورت.

پیشنهاد می شود : کتابخانه NumPy

برای اطلاعات بیشتردرباره Classification به این پیج مراجعه کنید

محمدرضا حسنی

224 مطلب منتشر شده

دانش آموخته رشته فناوری اطلاعات / موسس پایتونی ها

درباره این مطلب نظر دهید !

مطالب پرمخاطب پایتونی ها

Regression

Regression

2
دقیـقه مطالعه
ادامه ...
Clustering

Clustering چیست؟

5
دقیـقه مطالعه
ادامه ...

محصولات فروش پایتونی ها

%60
تخفیف

آموزش فیگما (Figma)

30,000 تومان
3
%69
تخفیف

آموزش برنامه نویسی پایتون

35,000 تومان
2