వర్గీకరణ
వర్గీకరణ (Classification) అనేది వస్తువులను ముందుగా నిర్ణయించిన తరగతులు లేదా వర్గాలకు కేటాయించే ప్రక్రియ. ఇది ఆ తరగతులను లేదా వర్గాలను స్వయంగా రూపొందించే ప్రక్రియ నుండి భిన్నమైనది (ఉదాహరణకు సమూహ విశ్లేషణ (cluster analysis) ద్వారా వర్గాల నిర్మాణం).[1] వర్గీకరణకు ఉదాహరణలుగా వ్యాధి నిర్ధారణ పరీక్షలు, స్పామ్ ఇ-మెయిళ్లను గుర్తించడం, లేదా ఒక వ్యక్తికి డ్రైవింగ్ లైసెన్స్ ఇవ్వాలా వద్దా అని నిర్ణయించడం చెప్పవచ్చు.
తరగతి (class) అనే పదానికి సమానార్థకంగా లేదా సమీపార్థకంగా ఉపయోగించే పదాలలో వర్గం (category), రకం (type), జాతి (species), రూపం (form), క్రమం (order), భావన (concept), టాక్సాన్ (taxon), సమూహం (group), గుర్తింపు (identification), విభాగం (division) ఉన్నాయి.
వర్గీకరణ అనే పదం తో పాటు దాని సమానార్థక పదాలు సందర్భాన్ని బట్టి అనేక పరస్పర సంబంధిత అర్థాలను కలిగి ఉంటుంది. కొన్నిసార్లు ఇది వర్గీకరణ ప్రక్రియతో పాటు వర్గాల సృష్టిని కూడా సూచిస్తుంది; ఉదాహరణకు, "వికీపీడియా పేజీలను వర్గీకరించే పని" అనే సందర్భంలో. ఈ సమగ్ర కార్యకలాపం వర్గీకరణ శాస్త్రం (taxonomy) పరిధిలోకి వస్తుంది. మరికొన్ని సందర్భాల్లో ఇది కేవలం వర్గాల నిర్మాణ పద్ధతిని మాత్రమే సూచించవచ్చు; దీనిని కూడా టాక్సానమీ అని పిలుస్తారు. అలాగే, ఒక వస్తువుకు వర్గీకర్త (classifier) కేటాయించిన గుర్తింపును లేదా లేబుల్ను కూడా వర్గీకరణ అని పిలవవచ్చు.
వర్గీకరణ అనేక రకాల కార్యకలాపాలలో ఒక ముఖ్యమైన భాగం. దీనిని వివిధ శాస్త్రశాఖలలో భిన్న కోణాల నుండి అధ్యయనం చేస్తారు. వీటిలో వైద్య వర్గీకరణ, తత్వశాస్త్రం,[2] న్యాయశాస్త్రం, మానవశాస్త్రం, జీవశాస్త్రం, వర్గీకరణ శాస్త్రం, జ్ఞాన ప్రక్రియలు, సంబంధ ప్రసారం, జ్ఞాన సంస్థీకరణ, మనోవిజ్ఞానశాస్త్రం, గణాంకశాస్త్రం, యంత్ర అభ్యాసం, ఆర్థిక శాస్త్రం, గణితశాస్త్రం ఉన్నాయి.
ద్వైవర్గ, బహువర్గ వర్గీకరణ
[మార్చు]వర్గీకర్త (classifier) యొక్క ఖచ్చితత్వాన్ని మెరుగుపరచడాన్ని లక్ష్యంగా చేసుకున్న పద్ధతిశాస్త్ర సంబంధిత పరిశోధనలు సాధారణంగా రెండు విభాగాలుగా విభజించబడతాయి. ఒకటి కేవలం రెండు వర్గాలు మాత్రమే ఉన్న సందర్భాలు (ద్వైవర్గ వర్గీకరణ – binary classification), మరొకటి మూడు లేదా అంతకంటే ఎక్కువ వర్గాలు ఉన్న సందర్భాలు (బహువర్గ వర్గీకరణ – multiclass classification).
ఖచ్చితత్వ మూల్యాంకనం
[మార్చు]నిర్ణయ సిద్ధాంతం (decision theory)తో పోలిస్తే, ఒక వర్గీకర్త వర్గీకరణ ప్రక్రియను పదేపదే నిర్వహిస్తుందని భావిస్తారు. అలాగే లాటరీతో పోలిస్తే, ప్రతి వర్గీకరణ సరైనదైనా కావచ్చు, తప్పైనదైనా కావచ్చు. కొలతల సిద్ధాంతంలో (measurement theory), వర్గీకరణను నామమాత్ర స్థాయి (nominal scale)పై జరిగే కొలతగా పరిగణిస్తారు. అందువల్ల వర్గీకర్త యొక్క ఖచ్చితత్వాన్ని కొలవడం సాధ్యమవుతుంది.
వర్గీకర్త యొక్క ఖచ్చితత్వాన్ని కొలవడం ద్వారా రెండు ప్రత్యామ్నాయ వర్గీకర్తలలో ఏది మెరుగైనదో నిర్ణయించవచ్చు. ఇది వర్గీకర్త అభివృద్ధి సమయంలోనూ, అమలులో ఉపయోగించాల్సిన వర్గీకర్తను ఎంపిక చేయడంలోనూ ముఖ్యమైనది. అయితే ఖచ్చితత్వాన్ని అంచనా వేయడానికి అనేక పద్ధతులు ఉన్నాయి. ఏ పరిస్థితిలో ఏ పద్ధతి ఉపయోగించాలో నిర్ణయించడానికి సాధారణంగా అంగీకరించబడిన ఒకే విధానం లేదు.
వివిధ శాస్త్ర రంగాలు భిన్న విధానాలను అనుసరిస్తాయి. ద్వైవర్గ వర్గీకరణలో కూడా ఇది గమనించవచ్చు (చూడండి: ద్వైవర్గ వర్గీకర్తల మూల్యాంకనం).
రూప గుర్తింపు (Pattern Recognition)లో దోష రేటు (error rate) విస్తృతంగా ఉపయోగించబడుతుంది.
ఋణ అంచనా (credit scoring) పరిశ్రమలో గినీ గుణకం (Gini coefficient), KS గణాంకం (KS statistic) విస్తృతంగా ఉపయోగించబడుతున్నాయి.
వ్యాధిశాస్త్రం (epidemiology), వైద్యశాస్త్రంలో సున్నితత్వం, నిర్దిష్టత (sensitivity and specificity) ప్రధాన ప్రమాణాలుగా ఉపయోగించబడుతున్నాయి.
సమాచార శోధన (information retrieval) రంగంలో ఖచ్చితత్వం (precision), రీకాల్ (recall) ఎక్కువగా ఉపయోగించబడుతున్నాయి.[3]
వర్గీకర్త యొక్క ఖచ్చితత్వం, వర్గీకరించబడుతున్న దత్తాంశం (data) యొక్క లక్షణాలపై గణనీయంగా ఆధారపడి ఉంటుంది. ప్రతి సమస్యకు ఉత్తమంగా పనిచేసే ఒకే వర్గీకర్త ఉండదు. ఈ పరిస్థితిని ఉచిత భోజనం లేదు సిద్ధాంతం (No Free Lunch Theorem) ద్వారా వివరించవచ్చు.
మూలాలు
[మార్చు]- ↑ "The Classification Society | Scientific Classification Organization". Archived from the original on 2024-06-10. Retrieved 2024-06-10.
- ↑ "Classification". Internet Encyclopedia of Philosophy. Retrieved 10 January 2025.
- ↑ David Hand (2012). "Assessing the Performance of Classification Methods". International Statistical Review. 80 (3): 400–414. doi:10.1111/j.1751-5823.2012.00183.x.
బాహ్య లింకులు
[మార్చు]
Media related to వర్గీకరణ at Wikimedia Commons