Summary  
This chapter explains the supervised learning concept of classification, detailing how to predict categorical outcomes using features, the types of classification (binary, multiclass, multilabel), target encoding, and common algorithms.

General domain of usage  
Email spam filtering

**Klassifikation** er en overvåget læringsopgave, hvor målet er at forudsige klassen af en forekomst ved hjælp af dens **egenskaber**. Modellen lærer ud fra mærkede eksempler i et **træningssæt** og tildeler derefter en klasse til nye, ukendte data.

Regression forudsiger en **kontinuerlig numerisk værdi** (f.eks. pris), som kan antage mange mulige værdier.
Klassifikation forudsiger en **kategorisk værdi** (f.eks. type af slik), hvor der vælges én mulighed fra et begrænset sæt af klasser.

Der findes flere typer af klassifikation:

* **Binær klassifikation:** målet har to mulige udfald (spam/ikke spam, cookie/ikke cookie);
* **Multiklassifikation:** tre eller flere mulige kategorier (spam/vigtig/reklame/andet; cookie/marshmallow/slik);
* **Multilabel-klassifikation:** en instans kan tilhøre **flere klasser samtidigt** (en film kan være action *og* komedie; en e-mail kan være vigtig *og* arbejdsrelateret).


For de fleste ML-modeller skal målet kodes som et tal. Ved **binær** klassifikation kodes udfald typisk som 0/1 (f.eks. 1 - cookie, 0 - ikke en cookie). Ved **multiklassificering** kodes udfald typisk som 0, 1, 2, ... (f.eks. 0 - slik, 1 - cookie, 2 - skumfidus).

Mange forskellige modeller kan udføre klassifikation. Nogle eksempler inkluderer:
- k-Nearest Neighbors;
- Logistisk regression;
- Beslutningstræ;
- Random Forest.

Heldigvis er de alle implementeret i **scikit-learn**-biblioteket og er nemme at bruge.

Ingen maskinlæringsmodel er overlegen i forhold til andre. Hvilken model der klarer sig bedst, afhænger af den specifikke opgave.

Bemærk

Hvad er hovedformålet med klassifikation i maskinlæring?

Behersk de centrale klassifikationsalgoritmer, der driver moderne maskinlæring. Udforsk hvordan modeller som k-NN, logistisk regression, beslutningstræer og random forests foretager forudsigelser, evaluerer deres nøjagtighed, og forstå hvornår hver model bør anvendes. Opbyg færdigheder til at sammenligne modeller og vælge den bedste til dine data.

Opdag, hvordan k-nærmeste naboer-algoritmen foretager forudsigelser baseret på lighed. Lær at håndtere flere egenskaber, justere parametre og anvende krydsvalidering for at forbedre nøjagtigheden.

Forstå, hvordan logistisk regression modellerer sandsynligheder og klassificerer udfald. Øv implementering, fortolkning af beslutningsgrænser og anvendelse af regularisering for at forhindre overfitting.

Lær, hvordan beslutningstræer opdeler data i meningsfulde grupper baseret på featureværdier. Udforsk, hvordan parametre som trædybde og minimum antal prøver per blad påvirker modellens ydeevne og generalisering.

Undersøg, hvordan random forests kombinerer flere beslutningstræer for at forbedre nøjagtighed og robusthed. Forstå betydningen af tilfældighed og anvend denne ensemble-metode på virkelige data.

Evaluering af modeller ved hjælp af metrikker såsom nøjagtighed, præcision, recall og F1-score. Lær at fortolke forvekslingsmatrixer og sammenligne flere klassifikatorer for at identificere den bedst præsterende model.

Hvad er Klassifikation