Искусственная классификация — разделение объектов по внешнему признаку для придания множеству исследуемых предметов (процессов, явлений) нужного порядка.
Вообще в Data Mining, Data Science и машинном обучении (Machine Learning) в частности, искусственная классификация используется в рамках подготовки данных к моделированию, на этапе формирования датасета. Например, Data Scientist может заниматься искусственной классификацией при выборке данных или во время генерации признаков.
Кроме того, задача искусственной классификации является частым компонентом многих прикладных моделей Machine Learning, например, когда нужно отнести пользователя к какой-либо категории, проанализировав особенности его поведения на сайте. Также искусственная классификация выполняется при скоринговой оценке клиента по тем или иным его характеристикам, к примеру, при анализе его платежеспособности для выдачи кредита в банке.
В отличие от естественной классификации, которая ориентируется в большей степени на содержание исследуемых объектов, искусственная сосредоточена на внешних признаках. Например, группировка предмета со схожими по сути (овощи, посуда, техника) — это естественная классификация. А разделение объектов по цвету, например, красное яблоко объединяем с красным мячом, т.к. схожи цвет (красный) и форма (круг) — это искусственная.
В матстатистике задачи искусственной классификации относятся к дискриминантному анализу, а в машинном обучении с помощью искусственных нейронных сетей — к методам обучения с учителем.
