Ein Spezialist für maschinelles Lernen muss nahezu in Echtzeit Wahrscheinlichkeiten erstellen, dass eine Kreditkartentransaktion betrügerisch ist. Wie sollte dieses Problem formuliert werden?

Dieses Problem ist eine binäre Klassifizierung, da das Ziel darin besteht, eine von zwei möglichen Kategorien vorherzusagen: Die Transaktion ist entweder betrügerisch oder nicht betrügerisch. Die Ausgabe ist eine Wahrscheinlichkeit, die angibt, wie wahrscheinlich es ist, dass die Transaktion zur Klasse "betrügerisch" gehört. Streaming-Klassifizierung beschreibt die Art der Datenverarbeitung (kontinuierlicher Datenstrom), nicht die Art des Problems selbst. Mehrklassen-Klassifizierung wäre relevant, wenn es mehr als zwei diskrete Kategorien gäbe (z. B. verschiedene Arten von Betrug). Regression würde verwendet, um einen kontinuierlichen Wert vorherzusagen (z. B. den Betrag des Betrugs), nicht eine Wahrscheinlichkeit für eine von zwei Kategorien.