在一般情况下，分类数据（X,y）表示每条输入记录（或样本，实例），其中X表示属性的集合，也可以表示为特征集合（features），而y表示类别或目标属性（label/class）。X中的属性值可以是连续特征也可以是离散特征，而y中的值必须是有离散属性构成。若y中的值在某种情况下为连续值，若要使用分类分析中的方法，也必须将连续值通过数学方法将其转换为离散值。在这里需要注意的是，请读者们回忆第六章的回归算法中的目标属性一般为离散值。所以说，类别属性是离散还是连续，是一种考虑使用分类(classification)还是回归(regression)的一个关键特征。

如下所示，数据集通过样本集合来表示，而每条样本都由输入数据(features)和类别(label)来表示:

分类问题的示例数据集

年龄	工资	社保	地址	授权(label)
32	高	有	A区	否
22	低	无	A区	是
45	中	有	D区	是
65	高	有	C区	否
37	中	有	C区	是

在该表中，年龄、工资、社保、地址为样本集合的特征。所以在该样例中， 一个样本有四个特征，授权与否为类别。读者注意到，在特征集中某些特征是连续性的，即在某一个区间或者无穷区间内该属性的取值可以是连续的，比如年龄。而另外的三个特征则为离散的，也就是取值不是连续的，工资的高低，社保的有无明显是不连续的。

那么分类方法是解决什么问题呢？ 我们假设有一个新的样本：年龄：41，工资：中，社保：无，地址：B区。我们怎么知道该样本属于哪种类别呢？（label）。

我们假设一个资深的风险管理员，一眼就能对一个新的客户进行正确分类的称为“经验丰富”，那么经验是从哪里来的呢？当然是长年累月的积累，从成千上万次的分类学习得来的。因此，我们的分类方法如果要达到资深风险管理员的水平，也需要有个学习的过程。

所以，分类方法基本上都需要有一个学习的过程，通过学习来获得一个函数（function）,通过完善好的这个函数，我们就可以对一个新的样本进行计算，并得到高准确度的分类结果。

分类的基本过程可以概述如下：首先从分好类，或者说贴好标签的样本中进行学习和训练，建立一个分类模型，然后对没有分类的数据进行分类。

分类方法主要包括贝叶斯分类、决策树分类和神经网络分类等。 这些方法都是通过一个学习过程（learning process）来确定分类模型，并且能够较好地预测未知样本的标签分类。