Automaattinen luokittelu tai ryhmittely on luokittelua algoritmeja esineitä. Se koostuu määrittämällä luokan tai luokan jokaiseen kohteeseen (tai yksittäisiä) luokitellaan, perustuu tilastotietoihin. Se käyttää yleisesti koneoppimista ja sitä käytetään laajalti mallintunnistuksessa .
Ranskan kielellä luokitus viittaa toimintaan, jolla luokitellaan siten "luokan vartijaksi". Luokittelulla tarkoitetaan luokittelutoimintaa "luokituskriteerien määrittäminen, luokkien määrittely". Englanniksi termi luokittelu vastaa ensimmäistä merkitystä (luokitus), kun taas toinen merkitys vastaa pikemminkin klusterointia .
Ranskankielisessä tieteellisessä kirjallisuudessa ja vastaavassa akateemisessa opetuksessa käytetään kuitenkin termiä "luokittelu". Sitten tehdään ero automaattista luokitusta vastaavan "valvotun luokituksen" ja "valvomattoman luokituksen" välillä.
Rajalliset keinot ymmärtää velvoittavat meitä, jotta yrittää ymmärtää jotain todellisuudessa tehdä luokituksia objekteista, että meidän on kohdeltava ryhmiin . Filosofia on ottanut ne huomioon :
Automaattisen luokittelun tarkoituksena on luoda nämä luokat prosesseista, jotka sisältävät vain tietoja eikä kokeilijan subjektiivisuutta. Olisi myös tarkempaa sanoa: "kokeilijan subjektiivisuutta ei saa sisällyttää muuhun kuin hänen käyttämiensä esitysten valintaan": jos luokittelemme objektit niiden suurimman ulottuvuuden mukaan, emme '' yleensä saa samaa sijoitus niiden sijoittamiseksi painon mukaan.
Vaikka automaattisen luokittelun algoritmisen lähestymistavan ensimmäiset perusteet ovat suhteellisen vanhoja, vasta tietotekniikan kehityksen myötä niiden toteuttaminen suurille tietomalleille oli mahdollista. Luokittelun tulos voi olla joko matemaattinen osio tai hierarkia (matematiikka) .
Eri menetelmien joukossa voidaan tarkastella kahta päätyyppiä.
Niin kutsutut ei-parametriset lähestymistavat ( hierarkkinen luokittelu , mobiilikeskuksen menetelmä ) tarkastelevat vain yhtä hypoteesia: mitä lähempänä kaksi yksilöä on, sitä todennäköisemmin he kuuluvat samaan luokkaan.
Toisessa suuressa automaattisten luokitusmenetelmien perheessä, jota kutsutaan todennäköisyydeksi, käytetään oletusta luokiteltavien yksilöiden jakautumisesta. Voimme esimerkiksi ajatella, että kunkin luokan yksilöt seuraavat normaalijakaumaa . Sitten syntyvä ongelma on selvittää, mitkä ovat lakien parametrit (keskiarvo, varianssi) ja mihin luokkaan yksilöt todennäköisimmin kuuluvat. Lain parametrit voidaan määrittää monin tavoin, mukaan lukien odotusten maksimointialgoritmin käyttö .