二分类是 机器学习和 统计学中的一个基本概念，它指的是将数据集分成两个互斥的类别。在二分类任务中，每个样本只能被分配给一个类别，通常用数字0和1来表示，或者用“是”和“否”、“正”和“负”等来表示。
二分类的应用场景非常广泛，例如：
垃圾邮件检测：
判断一封电子邮件是垃圾邮件还是正常邮件。
疾病诊断：
根据医疗数据预测患者是否患有某种疾病，如癌症。
信用评分：
评估个人信用是否达标。
二分类算法是机器学习中非常基础和重要的分类方法，常见的二分类算法包括逻辑回归、支持向量机（SVM）、决策树、随机森林、K-近邻（KNN）和神经网络等。
与二分类相对的概念有多类分类（Multiclass Classification）和多标签分类（Multilabel Classification）。多类分类是指将数据集分成多个类别，而每个样本只能属于一个类别。多标签分类则是指每个样本可以被分配给多个类别，每个类别用一组标签来表示。