在机器学习 (machine learning)中，一类常见的问题涉及训练计算机将事物分到不同的组或类别中。这项任务称为分类。可以把它想象成一个数字分院帽：你提供一些信息（一个输入），模型会告诉你该输入属于哪个预设类别。
分类模型的目的是学习从输入特征（数据的特点）到特定输出标签（常称为类别）的映射。这些标签代表离散、不同的类别。
分类常见例子
你经常遇到分类问题，可能都没有意识到：
电子邮件垃圾邮件检测：电子邮件服务会查看邮件内容、发件人及其他特征，并将其归类为垃圾邮件或非垃圾邮件（正常邮件）。这些是两种可能的类别。
图像识别：模型分析图像并根据其内容进行分类，例如识别图片中是否包含猫、狗或鸟。
医学诊断：根据患者症状和检测结果（特征），模型可能会分类患者是否患有某种疾病或未患病。
情感分析：分析一段文本（例如产品评论）以将其表达的情感分类为积极、消极或中性。
在每种情况下，模型的输出都是从有限的可能性集合中选出的特定类别标签。
分类模型如何运作
从宏观上看，分类模型从已知正确类别的数据中学习模式（这称为标注训练数据）。例如，要构建一个垃圾邮件检测器，我们会向模型展示许多电子邮件示例，每封都已标记 (token)为垃圾邮件或非垃圾邮件。模型会研究这些邮件的特征（如特定词语、发件人信誉等），并学习区分垃圾邮件与正常邮件的规则或模式。
一旦训练完成，模型可以接收一封新的、未曾见过的邮件，检查其特征，并预测它属于哪个类别。
此流程图说明了分类模型如何处理输入特征以生成预测类别标签。
分类与回归
将分类与回归（我们接下来会讨论）进行比较很有用。分类将数据点分配到离散类别（如垃圾邮件/非垃圾邮件、猫/狗），而回归模型则预测连续的数值（如房价、明天的温度或学生的考试分数）。输出类型（类别与数值）是根本区别。
理解分类很重要，因为评估这些模型需要特定的衡量标准。我们不仅需要知道预测是否正确，还经常需要了解模型产生的错误类型。例如，在垃圾邮件检测中，错误地将一封正常邮件分类为垃圾邮件（误报）可能比让一封垃圾邮件通过（漏报）问题更大。为分类设计的衡量标准帮助我们准确地衡量这种性能，我们将在下一章详细研究。