概念卡：分类 Classification
概念卡：分类 Classification
一句话定义
分类是预测样本属于哪个类别的监督学习任务。
它解决什么问题
它用于处理结果变量是离散类别的问题。
典型使用场景
- 判断用户是否流失。
- 判断系统是否故障。
- 判断样本是否属于高风险类别。
需要知道的关键词
- Label
- Class
- Probability
- Decision Threshold
- Confusion Matrix
和导师方向的关系
大数据和应用统计中常见分类任务，复杂系统风险预警也可能转化为分类问题。
交流时可以怎么说
如果结果变量是类别，我会把它先表述为分类任务，再选择合适评价指标。
分类模型不能只看准确率，尤其要注意类别不平衡。
可以追问的问题
- 类别是否平衡？
- 更关心误报还是漏报？
- 是否需要输出概率而不只是类别？
给 AI 的提示词
请解释分类任务。要求说明标签、阈值、混淆矩阵、准确率、召回率和类别不平衡问题，并给 Python 示例。
我的理解边界
- 已理解：分类预测离散类别。
- 还不确定：阈值调节。
- 下次需要补：precision 和 recall。