Classification

Hvad er classification?

Classification (klassifikation) er en af de mest grundlæggende og udbredte teknikker inden for maskinlæring. Det handler om at træne en AI-model til automatisk at sortere data i foruddefinerede kategorier. Præcis som når du sorterer din post i “vigtig”, “reklame” og “skrald”, bare i stor skala og med langt højere hastighed.

En classification-model lærer mønstre fra eksempler den har set før (træningsdata) og bruger dem til at kategorisere nye, usete data. Når Gmail markerer en e-mail som spam, når din bank flagger en transaktion som mistænkelig, eller når en røntgenscanning analyseres for tegn på lungebetændelse. Det er alt sammen classification i praksis.

Hvordan fungerer classification?

Classification er en form for supervised learning, hvilket betyder at modellen trænes på data der allerede er mærket med den korrekte kategori.

Trin i en classification-pipeline

1. Dataindsamling. Indsaml eksempler med kendte kategorier (f.eks. 10.000 e-mails mærket som “spam” eller “ikke spam”)
2. Feature extraction. Identificér relevante egenskaber i dataen (ord i e-mailen, afsenderadresse, antal links)
3. Modeltræning. Modellen lærer sammenhængen mellem egenskaber og kategorier
4. Evaluering. Test modellen på data den ikke har set under træning
5. Deployment. Sæt modellen i produktion til at klassificere nye data

Populære classification-algoritmer

Typer af classification

Binær classification

Den simpleste form: to mulige kategorier. Modellen besvarer et ja/nej-spørgsmål:

• Er denne e-mail spam eller ej?
• Er denne transaktion svindel eller legitim?
• Har denne patient sygdommen eller ej?

Multiclass classification

Flere mulige kategorier, men hver datapunkt tilhører kun én:

• Hvilken afdeling skal denne supporthenvendelse sendes til? (Fakturering / Teknik / Returnering / Generelt)
• Hvilken stemning udtrykker denne anmeldelse? (Positiv / Neutral / Negativ)
• Hvilken type dokument er dette? (Faktura / Kontrakt / CV / Rapport)

Multilabel classification

Hver datapunkt kan tilhøre flere kategorier samtidigt:

• Hvilke emner dækker denne nyhedsartikel? (Politik + Økonomi + EU)
• Hvilke objekter er i dette billede? (Hund + Person + Strand)
• Hvilke tags skal denne supportticket have? (Urgent + Billing + Bug)

Hierarkisk classification

Kategorier organiseret i niveauer:

• Produkt → Elektronik → Telefoner → Smartphones → Android
• Dokument → Juridisk → Kontrakt → Lejekontrakt

Hvad bruges classification til?

Spamfiltrering

Den mest kendte classification-anvendelse. E-mail-tjenester som Gmail analyserer indgående e-mails og klassificerer dem som spam, primær, social eller reklame. Modellen vurderer hundredvis af signaler: afsenderens omdømme, ordvalg, links, vedhæftninger og mere.

Billedgenkendelse

Classification er kernen i billedgenkendelse:

• Medicinsk diagnostik. Klassificere røntgenbilleder og scanninger som normale eller abnorme
• Kvalitetskontrol. Identificere defekte produkter på en produktionslinje
• Selvkørende biler. Klassificere objekter som fodgængere, biler, skilte eller trafiklys
• Ansigtsgenkendelse. Identificere personer i billeder

Dokumentklassifikation

Virksomheder bruger classification til automatisk at sortere dokumenter:

• Indgående post dirigeres til den rette afdeling
• Juridiske dokumenter kategoriseres efter type
• Forsikringsskader klassificeres efter alvorlighed
• CV’er sorteres efter relevans for en stilling

Svindeldetektion

Banker og betalingstjenester klassificerer transaktioner i realtid som legitime eller mistænkelige baseret på beløb, tidspunkt, lokation, hyppighed og afvigelse fra normalt forbrugsmønster.

Kundesupport

Indgående henvendelser klassificeres automatisk efter:

• Emne. Hvad handler henvendelsen om?
• Prioritet. Hvor hastende er den?
• Sentiment. Er kunden frustreret eller tilfreds?
• Afdeling. Hvem skal håndtere den?

Praktiske eksempler

Eksempel 1: Automatisk e-mail-routing

En virksomhed modtager 2.000 kundehenvendelser dagligt via e-mail. En classification-model læser hver e-mail og klassificerer den:

• “Min faktura er forkert” → Fakturering (prioritet: normal)
• “Jeres system er nede!!!” → Teknik (prioritet: kritisk)
• “Kan I anbefale et produkt til…” → Salg (prioritet: normal)
• “Jeg vil opsige mit abonnement” → Fastholdelse (prioritet: høj)

Eksempel 2: Nyhedskategorisering

Et nyhedsmedie klassificerer automatisk indgående artikler fra nyhedsbureauer i kategorier: Danmark, Udland, Erhverv, Sport, Kultur, Teknologi, Videnskab. Redaktører sparer tid på sortering og kan fokusere på redigering.

Eksempel 3: Produktkategorisering i e-commerce

En markedsplads med 500.000 produkter bruger classification til automatisk at kategorisere nye produkter baseret på titel, beskrivelse og billede. Når en sælger uploader “Samsung Galaxy S25 Ultra 256GB Sort” klassificeres det automatisk under Elektronik → Telefoner → Smartphones.

Eksempel 4: LLM-baseret classification

Med moderne sprogmodeller kan du klassificere uden at træne en dedikeret model. Du prompter Claude:

Modellen klassificerer med det samme, uden forudgående træning på dine specifikke data. Denne tilgang kaldes zero-shot classification.

Evaluering af classification-modeller

Vigtige metrikker

• Accuracy. Andelen af korrekte forudsigelser. Simpel men kan være misvisende ved ubalancerede datasæt (hvis 99% af transaktioner er legitime, kan en model der altid siger “legitim” opnå 99% accuracy)
• Precision. Af alle der blev klassificeret som positiv, hvor mange var faktisk positive? Vigtigt når falske positiver er dyre (f.eks. blokere en legitim banktransaktion)
• Recall. Af alle der faktisk var positive, hvor mange fandt modellen? Vigtigt når det er kritisk ikke at overse noget (f.eks. opdage kræft i en scanning)
• F1-score. Det harmoniske gennemsnit af precision og recall, nyttigt som én samlet kvalitetsmetrik

Confusion matrix

Et centralt værktøj til at forstå en classification-models fejl. For en spamfilter:

Udfordringer

Ubalancerede datasæt

Hvis 95% af din data tilhører én klasse, vil modellen have tendens til altid at vælge den klasse. Teknikker som oversampling, undersampling og class weighting bruges til at håndtere dette.

Datakvalitet

Classification er kun så god som de labels den trænes på. Forkerte eller inkonsekvente labels i træningsdata fører til en upålidelig model.

Konceptdrift

Mønstre ændrer sig over tid. Spammere ændrer taktik, svindlere finder nye metoder, og kundernes sprog udvikler sig. Classification-modeller skal løbende opdateres med nye data.

Ofte stillede spørgsmål

Hvad er classification i AI?

Classification er en maskinlæringsteknik der automatisk sorterer data i foruddefinerede kategorier. Det er en form for supervised learning, hvor modellen lærer fra mærkede eksempler og derefter kan kategorisere nye, usete data. Det bruges til spamfiltrering, billedgenkendelse, dokumentsortering, svindeldetektion og mange andre opgaver.

Hvad er forskellen på classification og clustering?

Classification er supervised learning: kategorierne er defineret på forhånd, og modellen trænes med mærkede eksempler. Clustering er unsupervised learning: modellen finder selv grupperinger i data uden foruddefinerede kategorier. Classification besvarer “hvilken kategori tilhører dette?”, mens clustering besvarer “hvilke naturlige grupperinger findes i denne data?”

Hvad er binær vs. multiclass classification?

Binær classification har to mulige udfald (spam/ikke spam, ja/nej). Multiclass classification har tre eller flere mulige kategorier (positiv/neutral/negativ, eller kategorisering i 50 produktkategorier). Multilabel classification tillader at hvert datapunkt tilhører flere kategorier samtidigt.

Kan man lave classification med ChatGPT eller Claude?

Ja, moderne LLM’er kan udføre classification via prompting uden forudgående træning på dine data. Det kaldes zero-shot eller few-shot classification. Du beskriver kategorierne og giver eventuelt eksempler, og modellen klassificerer nye datapunkter. Det er nemmere at sætte op end traditionel ML, men kan være dyrere ved store datamængder.