به طور کلی به مسئله هایی که ستون آخر(ستون طبقه یا Class) را داشته باشند، مسائل طبقه بندی یا Classification گفته می شود. این دسته از مسائل به یاگیری با ناظر(Supervised Learning) نیز معروف هستند، چون در واقع یک ناظر وجود دارد که ستون آخر را برای ما پر کند. الگوریتم های یادگیری ماشین و داده کاوی که کار طبقه بندی را انجام میدهند(مانند SVM، Random Forest، Naive Bayes و...) میتوانند جدول یا ماتریس را به عنوان ورودی قبول کنند و از این ماتریس و ویژگی های آن، طبقه یا Class موجود را یادبگیرند. سپس اگر یک نمونه جدید(مثلا یک مشتری جدید) - که طبقه آن را نمیدانیم - به الگوریتمی که یادگرفته است داده شود، این الگوریتم میتواند این نمونه را به طبقه های احتمالا درست(که قبلا دیده است) طبقه بندی یا Classification کند. مثلا یک مشتری جدید با ۴ویژگی جدید(۴ بعد مسئله)، به الگوریتم داده میشود، و الگوریتم میتواند حدس بزند(با توجه به داده هایی که یادگرفته است) که این مشتری میتواند وام خود را پس دهد یا خیر. در دوره آموزشی Packt Machine Learning Classification Algorithms using MATLAB با الگوریتم های طبقه بندی یادگیری ماشین و پیاده سازی آنها با متلب آشنا می شوید.