分类是指解决预测样本所属类别的一类问题，即对于给定样本x，输出x所属的类别。
当供选择的类别只有2个时，称为二分类，反之称为多分类。而多分类的问题也可以通过二分类来解决。具体来说包含one-vs-one和one-vs-rest两种方案。
- one-vs-one：进行多轮的二分类，每次比较两个不同的分类，枚举所有的所有的两个分类的组合；理想情况下应该有且仅有一个类别在每一次比较中都被选中，成为预测结果。
- one-vs-rest：进行多轮的二分类，每次比较某个类别和非该类别，枚举所有的类别；理想情况下应该有一个类别被模型赋予的费数是最高的，成为预测结果。
由此可见，只要有效实现了二分类，就可以应用于多分类的结果。
在NLP领域，分类问题的应用包括：
- 本文分类：天然的分类问题
- 新词发现、关键词提取：判断每个单词是否属于新词或关键词
- 指代消解：判断每个代词是否和实体存在指代关系
- 近义词替换：判断两个单词是否是近义词可以替换
- 语言模型：语言模型中，也可以将每个单词视作一个类别，给定上文预测接下来要出现的单词。
学习参考文献：《自然语言处理入门》(何晗)：5.1
