طبقه‌بندی مسئله‌ای است که در آن مدل ورودی را به یکی از کلاس‌های از پیش تعریف‌شده نسبت می‌دهد، مانند تشخیص هرزنامه یا شناسایی نوع تصویر.
در طبقه‌بندی خروجی یک کلاس یا امتیاز تعلق به کلاس‌هاست، اما در رگرسیون مدل مقدار عددی پیوسته را تخمین می‌زند. Precision، Recall و F1 از معیارهای رایج‌اند.
برای پیش‌بینی «تقلب» یا «غیرتقلب»، خروجی دسته‌ای داریم. اگر خروجی مبلغ احتمالی ضرر باشد، مسئله رگرسیون است.
درک تفاوت این موضوع با خوشه‌بندی و رگرسیون به انتخاب راهکار مناسب‌تر کمک می‌کند.
برای مثال‌ها و توضیحات بیشتر، تفاوت طبقه‌بندی و خوشه‌بندی را در وبلاگ باورژن بخوانید.
طبقه‌بندی در مقابل رگرسیون
پیش‌بینی اینکه یک تراکنش تقلبی است یا نه، Classification است. تخمین مبلغ خرید آینده Regression محسوب می‌شود. مدل طبقه‌بندی می‌تواند Probability بدهد که آستانه تصمیم آن باید براساس هزینه خطا تنظیم شود.