单元四 · 智能推理的应用
第18课 分类辅助推理
一、学习目标
- 理解分类的基本思想。
- 认识分类如何辅助判断与决策。
- 能结合例子说明特征与类别的关系。
二、情境导入
把邮件分成「重要 / 广告 / 垃圾」，依据是什么？
分类如何帮助智能系统做出推理与决策？
三、核心讲解
本课学习路径：
1认识分类
2分类的应用
1．认识分类
分类是根据特征把对象划分到预定义类别中的过程，是监督学习的典型任务。
分类：学习「特征 → 类别」的映射，使新样本也能被归入合适类别。
- 先有类别标签，再从样本中学习分界
- 特征选择影响分类效果
- 可用情感分析、物品分类等任务体验
想一想：「按颜色分水果」和「按是否可食用分」——任务目标如何决定特征？
2．分类的应用
分类结果可直接作为决策依据，或作为更大推理流程中的一步。
辅助推理：先分类再行动：例如先判断邮件类型，再决定拦截、放行或标记。
- 垃圾邮件过滤、图像识别、情绪判断等都是分类应用
- 错误分类会传导到后续决策，需要评估与人工复核
- 在本课分类相关组件中测试并记录误分案例
想一想：当两类样本非常相似时，如何降低误分带来的风险？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_item_classification — 在框内完成操作
组件 model_sentiment_analysis — 在框内完成操作
五、课堂总结
- 分类依据特征把对象归入已知类别。
- 分类常作为智能决策链条中的关键一步，错误会被放大。
六、拓展提升
- 设计一个校园场景分类任务（三类），列出你依赖的 3 个特征并说明理由。
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
分类任务的目标是：
分类辅助推理的含义更接近：
判断：分类完全不需要任何类别标签也能从零定义类别名称。
本节小结
回顾本课要点，完成动手体验与测评。记住：分类辅助推理。