Klassifikationsverfahren
Klassifikationsverfahren sind Methoden und Kriterien zur Einteilung von Objekten oder Situationen in Klassen, das heisst zur Klassifizierung. Ein solches Verfahren wird auch als Klassifikator bezeichnet. Viele Verfahren lassen sich als Algorithmus implementieren; man spricht dabei auch von Maschineller oder automatischer Klassifikation. Klassifikationsverfahren sind immer anwendungsbezogen, so dass viele verschiedene Methoden existieren.
Klassifikationsverfahren spielen unter anderem bei der Mustererkennung, in der Künstlichen Intelligenz und der Dokumentationswissenschaft beziehungsweise dem Information Retrieval eine Rolle. Zur Beurteilung eines Klassifikators können verschiedene Kenngrößen ermittelt werden.
Arten von Klassifikationsverfahren
Da eine streng hierarchisches Einteilung von Klassifikationsverfahren kaum möglich ist, lassen sie sich am Besten anhand verschiedener Eigenschaften einteilen:
- Manuelle und Automatische Verfahren
- Numerische und nicht-numerische Verfahren
- Statistische und Verteilungsfreie Verfahren
- Überwachte und Nicht-Überwachte Verfahren
- Fest dimensionierte und lernende Verfahren
- Parametrische und nicht-parametrische Verfahren
Manuelle und automatische Verfahren
manuelle Indexierung, automatische Indexierung
Überwachte und nicht überwachte Verfahren
Das Erzeugen von Strukturen aus vorhandenen Daten wird auch als Mustererkennung, Diskriminierung oder überwachtes Lernen bezeichnet. Im Gegensatz dazu existiert nichtüberwachtes Lernen, bei dem die Klassen der Daten nicht vorgegeben sind, sondern auch diese erlernt werden müssen. Dabei können allerdings beim reinforcement learning Informationen hinzukommen, ob eine Klasseneinteilung richtig oder falsch war.
Beispiele
- Quader-Klassifikator
- Abstandsklassifikator
- Bayes-Klassifikator
- Nächster Nachbar Klassifikator
- Fuzzy-Klassifikator
- Clusterverfahren
- Künstliche Neuronale Netze
- Support-Vector-Maschinen (?)
Falls die Grenzen zwischen den einzelnen Klassen im Merkmalsraum bekannt sind, lassen sie sich durch eine Diskriminanzfunktion angeben.
Siehe auch: Kostenmatrix, Karhunen-Loéve-Transformation, Mahalanobis-Abstand
Literatur
- D. Michie, D.J. Spiegelhalter, C.C. Taylor (ed.): Machine Learning, neural and statistical Classification. Elis Horwood 1994