A diferencia de una clasificación multiclase estándar, donde las categorías no tienen ninguna relación de orden entre sí, en un problema de aprendizaje ordinal las categorías sí están ordenadas —como “insatisfecho”, “neutral”, “satisfecho”— y el modelo debería tener en cuenta que confundir categorías adyacentes es un error menor que confundir categorías muy alejadas en ese orden.
Por qué requiere un enfoque distinto
Tratar este tipo de problema como una clasificación estándar ignora información valiosa sobre el orden de las categorías, mientras que tratarlo como una simple regresión numérica ignora que las distancias entre categorías pueden no ser uniformes, por lo que existen técnicas específicamente diseñadas para aprovechar esta estructura ordinal.