خروجی دسته‌بندی‌شده چیست؟

خروجی دسته‌بندی‌شده به مدلی از پاسخ گفته می‌شود که نتیجه‌ی یک فرآیند هوش مصنوعی یا یادگیری ماشین، یکی از چندین دسته یا کلاس از پیش تعیین‌شده باشد. به عبارت دیگر، مدل، پس از تحلیل داده‌های ورودی، باید تصمیم بگیرد که پاسخ صحیح کدام گزینه از این مجموعه‌ی محدود است و خروجی را به شکل یک برچسب یا کلاس مشخص ارائه می‌دهد.

اهمیت خروجی دسته‌بندی‌شده در کاربردهای فراوانی مشهود است. این نوع خروجی زمانی به کار می‌آید که جواب نهایی باید به طور شفاف در یکی از گروه‌های ممکن قرار گیرد؛ مانند تشخیص نوع ایمیل (اسپم یا غیر اسپم)، شناسایی زبان یک متن، یا پیش‌بینی احساسات در کامنت‌ها (مثبت، منفی، خنثی). مثلاً فرض کنید فردی می‌خواهد برنامه‌ای بنویسد که پیامک‌های دریافتی را به دو دسته‌ی «مهم» و «غیرمهم» تقسیم کند. مدل داده‌هایی مانند کلمات پیام را بررسی می‌کند و در نهایت خروجی را به صورت یکی از این دو دسته برمی‌گرداند.

این اصطلاح گاهی با «خروجی عددی» (مانند پیش‌بینی قیمت یا مقدار) اشتباه گرفته می‌شود. فرق‌شان در این است که خروجی دسته‌بندی‌شده فقط از میان چند گزینه قابل انتخاب است و نتایج پیوسته یا مقادیر عددی تولید نمی‌کند. به همین دلایل، انتخاب نوع خروجی هنگام طراحی مدل اهمیت زیادی دارد و باید متناسب با هدف انتخاب شود.