Úvod

V této kapitole se seznámíme s účelem, principy a jednotlivými metodami klasifikace dat, jež tvoří samostatnou rozsáhlou oblast analýzy dat. Klasifikace umožňuje určit, do které skupiny (třídy, množiny) patří dané subjekty či objekty, a je tudíž hojně využívána nejen v medicíně (například pro diagnostiku, kdy subjekt zařadíme do skupiny pacientů nebo do skupiny zdravých lidí na základě nějakých vyšetření), ale i v biologii (například pro zjištění, zda daný brouk je tesařík smrkový, obrovský či krovový) a v mnoha dalších oblastech (například pro vyhledávání textů článků podle zadaných klíčových slov, rozpoznávání osob podle otisku prstu či obličeje apod.).

Tato kapitola si neklade za cíl představit všechny existující klasifikační metody, protože je jejich velké množství a detailní popis všech těchto metod by tak byl nad rámec tohoto učebního textu. Zaměřena je proto spíše na základní a nejčastěji používané metody a popisuje nejen jejich použití, ale i princip. Pro přehlednost je tato kapitola rozdělena do šesti dílčích podkapitol, z nichž poslední je věnována hodnocení úspěšnosti klasifikace. Je totiž nezbytné nejen umět zvolit vhodnou klasifikační metodu a umět klasifikátor natrénovat, ale být i schopen/schopna si ověřit, jak byla klasifikace daných dat úspěšná.

Následující text je součástí učebních textů předmětu „Bi0034 Analýza a klasifikace dat“ a je určen především pro studenty matematické biologie. Přínosem může být rovněž pro studenty medicínských a dalších biologických oborů - zejména botaniky, zoologie a antropologie.

U studentů se předpokládá znalost biostatistiky. Dále by studenti měli mít znalosti o vícerozměrném normálním rozdělení  a metrikách vzdálenosti a podobnosti ve vícerozměrném prostoru . Studenti by rovněž měli být schopni provádět základní operace s vektory a maticemi .