Spark: Der endgültige Leitfaden

Kapitel 26. Klassifizierung

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Klassifizierung ist die Aufgabe, ein Label, eine Kategorie, eine Klasse oder eine diskrete Variable anhand einiger Eingangsmerkmale vorherzusagen. Der Hauptunterschied zu anderen ML-Aufgaben, wie z. B. der Regression, besteht darin, dass das Ausgangslabel eine endliche Menge möglicher Werte hat (z. B. drei Klassen).

Anwendungsfälle

Die Klassifizierung hat viele Anwendungsfälle, wie wir in Kapitel 24 besprochen haben. Hier sind noch ein paar weitere, die die zahlreichen Einsatzmöglichkeiten der Klassifizierung in der realen Welt verdeutlichen.

Vorhersage des Kreditrisikos

Ein Finanzierungsunternehmen kann eine Reihe von Variablen berücksichtigen, bevor es einem Unternehmen oder einer Person ein Darlehen anbietet. Die Frage, ob ein Kredit angeboten werden soll oder nicht, ist ein binäres Klassifizierungsproblem.

Nachrichtenklassifizierung

Ein Algorithmus könnte darauf trainiert werden, das Thema eines Nachrichtenartikels (Sport, Politik, Wirtschaft usw.) vorherzusagen.

Klassifizierung menschlicher Aktivitäten

Indem du Daten von Sensoren wie dem Beschleunigungsmesser eines Telefons oder einer Smartwatch sammelst, kannst du die Aktivität der Person vorhersagen. Das Ergebnis ist eine von einer begrenzten Anzahl von Klassen (z. B. Gehen, Schlafen, Stehen oder Laufen).

Arten der Klassifizierung

Bevor wir auf weitermachen, ...