Sınıflandırma (Classification)

Sınıflandırma nedir?

Sınıflandırma, bir modelin girdiyi önceden tanımlı kategorilerden birine yerleştirmesidir. "Bu e-posta spam mı, değil mi?", "Bu görselde kedi mi köpek mi var?", "Bu yorum olumlu mu olumsuz mu?" — hepsi birer sınıflandırma problemi. Model sürekli bir sayı değil, bir etiket tahmin eder.

İki temel tür var: iki seçenek arasından seçim yapan ikili sınıflandırma (binary), üç ya da daha fazla sınıf arasından seçim yapan çok sınıflı sınıflandırma (multi-class).

Nasıl çalışır?

Çoğu sınıflandırıcı önce bir olasılık üretir — mesela "bu e-posta %92 spam". Sonra bir eşik (threshold) devreye girer: olasılık eşiği geçerse bir sınıf, geçmezse diğer sınıf atanır. Bu eşiği nereye koyduğun sonucu doğrudan etkiler; düşük eşik daha çok yakalar ama yanlış alarmı artırır.

Model eğitim sırasında etiketli örneklerden öğrenir: her girdiyi doğru sınıfla eşleştirmeye çalışır, hata yaptıkça ağırlıklarını güncelleyerek sınırı keskinleştirir. Logistic regression, decision tree, neural network gibi pek çok yöntem sınıflandırma için kullanılır.

Neden önemli?

Sınıflandırmanın başarısını tek bir doğruluk (accuracy) sayısıyla ölçmek yanıltıcı olur. 1000 e-postadan 10'u spam ise, hepsine "spam değil" diyen bir model %99 doğru görünür ama işe yaramaz. Bu yüzden precision, recall, F1 ve ROC-AUC gibi metrikler kullanılır — özellikle sınıflar dengesizse.

Kullanım alanları

Spam filtreleme, tıbbi teşhis (hasta/sağlıklı), kredi risk değerlendirmesi, görüntü tanıma, duygu analizi ve içerik moderasyonu. Kullandığın çoğu AI aracının arkasında bir yerde bir sınıflandırıcı çalışıyor.