Binary Classification

定义 Definition

“Binary classification” 指“二分类/二元分类”：一种监督学习任务，把每个样本判定为两类之一（常见记作 0/1、正类/负类、是/否）。它常用于垃圾邮件识别、疾病筛查、欺诈检测等。也可泛指“只有两种结果的分类问题”。

发音 Pronunciation

/ˈbaɪnəri ˌklæsɪfɪˈkeɪʃən/

例句 Examples

Binary classification is used to decide whether an email is spam or not.
二分类用于判断一封邮件是否为垃圾邮件。

In a medical screening system, binary classification models often balance sensitivity and specificity to reduce missed diagnoses.
在医疗筛查系统中，二分类模型常在灵敏度与特异度之间权衡，以减少漏诊。

词源 Etymology

“Binary” 来自拉丁语 bini（意为“两个一组/成对的”），在现代英语里常表示“由两个部分构成”或“只有两种状态”。“Classification” 源自拉丁语 classis（阶层、类别）与后缀构成，表示“分类/归类”。合起来，“binary classification” 直译就是“只分成两类的分类”。

相关词 Related Words

• Accuracy
• Classifier
• Confusion Matrix
• False Positive
• Logistic Regression
• Precision
• Recall
• ROC Curve
• Sensitivity
• Specificity

文学与经典著作 Literary Works

• Pattern Recognition and Machine Learning（Christopher M. Bishop）——在分类章节中系统讨论二分类与多分类方法。
• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——以统计学习视角讲解二分类、损失函数与评估指标。
• Deep Learning（Goodfellow, Bengio, Courville）——在神经网络与分类任务中频繁使用“binary classification”语境（如二元交叉熵）。
• An Introduction to Statistical Learning（James, Witten, Hastie, Tibshirani）——面向入门者讲解二分类模型与实践评估。