Waarom is dit belangrijk?
In de zorg kunnen computersystemen verschillende hartaandoeningen van elkaar onderscheiden, zoals boezemfibrilleren en andere ritmestoornissen op een hartfilmpje. Artsen in ziekenhuizen gebruiken die uitkomst in hun dagelijks werk om een passende behandeling te kiezen en verder medisch onderzoek te plannen. Patiënten krijgen daardoor eerder een eerste richting, maar een fout gekozen aandoening kan direct de diagnose en alle verdere medische vervolgstappen beïnvloeden.
Zo werkt het in de praktijk
In handleidingen staat classificatie met meerdere klassen bij foto's van fruit. Scikit-learn labelt elke foto als appel, peer of sinaasappel. Microsoft Learn werkt een voorbeeld uit met drie pinguïnsoorten en de vleugellengte.
De documentatie van scikit-learn zet one-versus-rest naast one-versus-one, want de keuze raakt de voorspelfout en de rekentijd. One-versus-rest traint per klasse één model tegen de rest. One-versus-one traint per paar klassen een model en laat de meeste stemmen winnen.
Een verwarringsmatrix zet de echte klasse naast de voorspelde klasse. Microsoft Learn berekent daarmee per klasse de precisie en de recall. De F1-score voegt die twee maten samen, ook over alle klassen.




