Waarom is dit belangrijk?
Organisaties kunnen grote aantallen nieuwe gevallen automatisch in een bestaande groep plaatsen wanneer handmatig nakijken te veel tijd kost. In de financiële sector gebruiken banken statistische classificatie bij het beoordelen van kredietaanvragen, op basis van gegevens uit eerdere dossiers. Voor aanvragers weegt die indeling mee in het besluit over een lening, maar een foute toewijzing kan iemand ten onrechte uitsluiten of juist toelaten.
Zo werkt het in de praktijk
Statistische classificatie wijst documenten toe aan een categorie. In het project BioCreative II kiest een model eerst artikelen voor databases over eiwitinteracties. Het model kan ook de taal of het genre van een tekst bepalen.
Onderzoekers testen welke techniek een nieuwe tekst het vaakst in de juiste categorie plaatst. Die test kijkt naar de nauwkeurigheid van elke techniek. Bibliotheekwetenschap, informatiewetenschap en informatica doen dit onderzoek samen.
Teams behandelen statistische classificatie als een dataminingtaak. Dataminingexperts volgen vaak CRISP-DM, een open stappenplan met zes fasen. Zij beoordelen een model met een confusionmatrix, een tabel van juiste en foute categorieën.




