ISO/IEC TS 4213规定：“分类：一种将特定类型的项目（对象或文档）按照他们的特征分为类或子类的方法”。 

　　分类将数据集合区分为类别。一个简单的例子是电子邮件的垃圾邮件过滤器，它将传入的邮件分类为垃圾邮件或非垃圾邮件。分类器需要学习垃圾邮件分类的例子，通过识别不同的模式而学会如何开展分类工作。这类垃圾邮件过滤器肯定会出错，这只能通过定期评估其性能来解决。 

　　IEC和ISO联合委员会人工智能分委会SC 42制定了一项新的技术规范——ISO/IEC TS 4213，该规范规定了衡量机器学习模型、系统及算法分类表现的方法。它描述了二进制分类的方法，例如上面给出的垃圾邮件过滤器示例，以及多类和多标签分类的情况。 

　　ISO/IEC TS 4213描述了一种能将不同的评估结果进行更有效比较的方法。新的TS建立在最近发布的ISO/IEC 22989中的基本概念之上。ISO/IEC 22989规定了人工智能概念和术语。 

　　SC 42主席Wael William Diab表示：“算法是人工智能系统的核心。这个新的标准将有助于实现不同算法之间的一致性及公平的输出结果。”“本标准的发布强化了委员会对更广泛负责采用人工智能的目标，并补充了涉及整个人工智能生态系统的工作。” 

　　ISO/IEC TS 4213规定了用于衡量机器学习模型、系统和算法分类性能的方法。它有助于解决“模型有多好”或“预测有多可靠”等问题。 

　　ISO/IEC TS 4213是一种确保机器学习系统公平性和减少偏见的方法，它涉及到现代生活的方方面面。例如，分析人员评估美国四分之三的求职申请都是通过算法处理的。许多银行正在使用人工智能进行贷款和信用评估。如果任其发展，偏见可能会导致一系列不公平的决定，包括求职申请被拒绝或贷款时被银行拒绝。 

　　SC 42制定了人工智能的国际标准。其考虑了整个人工智能生态系统，包括技术能力和非技术要求，如业务和监管及政策要求、应用领域需求，以及道德和社会关注。 

　　SC 42还组织两年一次的ISO/IEC AI研讨会。5月的首届研讨会资料和11月即将举行的研讨会注册可以在研讨会网站上找到。

　　原标题: Artificial intelligence: getting ML classification models right 

　　原链接: https://www.iec.ch/blog/artificial-intelligence-getting-ml-classification-models-right