分类学习（Classification Learning），理学-计算机科学技术-人工智能-机器学习-归纳学习-监督学习，当输出变量为有限个离散值时的学习方式。分类学习是监督学习的一个核心问题，它通过训练数据构建一个分类模型，并利用该分类模型对类别未知的输入进行预测。根据类别的个数，分类问题可分为二类分类问题和多类分类问题。给定训练集，其中，(C为类别个数)。分类学习旨在学习一个分类器或，对于一个新的输入，分类学习模型根据训练所得的分类器预测相应的输出或。错误率和精度是分类任务中最常用的两种性能度量，既适用于二分类任务，也适用于多分类任务。错误率是分类错误的样本数占样本总数的比例，精度是分类正确的样本占样本总数的比例。常用的分类学习方法有决策树，支持向量机，贝叶斯分类器等。