機器學習的一種類型
分類模型是機器學習的一種類型，主要用於區分和處理離散或分類數據。
分類模型的目標是根據已有數據的特徵（如電子郵件的內容、患者的醫療檢測結果等）來預測新的數據屬於哪個類別。例如，垃圾郵件識別、疾病預測等任務都可以通過分類模型來實現。在訓練過程中，分類模型從標記好的訓練數據中學習如何判斷一箇樣本屬於哪個類別，然後在面對新的數據時，根據學習到的知識進行預測。
分類模型可以分爲判別分析和聚類分析，判別分析是基於已有的類別信息來建立判別規則，而聚類分析則是在沒有類別信息的情況下，通過數據間的相似性來劃分類別。分類模型適用於標稱或二元分類屬性數據集，而不適用於序數或連續類型的數據集。