{"canonical_url":"https://engineer.company/sv/glossary/machine-learning/","content_markdown":"# Maskininlärning\n\n## Vad det är\n\nMaskininlärning innebär att bygga program som lär sig en uppgift av exempel, i\nstället för att följa regler som en utvecklare har skrivit ner i förväg. Man\nmatar in många fall där svaret redan är känt. Programmet hittar ett samband\nmellan det som gick in och svaret som kom ut, och använder sedan sambandet för\natt förutsäga svaret i varje nytt fall. Begreppet är äldre än nästan all\nmjukvara som använder det i dag: A. L. Samuel tog in det i titeln på en studie\nav brädspelet dam, som IBM Journal of Research and Development publicerade i\njuli 1959.\n\nOrden blir enklast att reda ut med hjälp av scikit-learn, ett Python-bibliotek\nmed öppen källkod, och det är dess dokumentation som den här artikeln följer.\nExemplen ligger i en tabell. Varje rad är en observation (scikit-learn säger\nsample), till exempel en faktura, en kund eller ett mätvärde från en sensor.\nVarje kolumn är en feature, ett tal som beskriver observationen. Svaret som\nprogrammet ska lära sig att ge kallas målvariabel. Det som lär sig heter i\nscikit-learn en estimator. Varje estimator har en `fit`-metod som lär sig av\nraderna man visar den. Prediktiva estimatorer använder `predict` för att ge svar\nför nya rader; transformerare använder `transform` för att skapa en omvandlad\ntabell med observationer.\n\nDet mesta arbetet hamnar i en av två grupper. Vid övervakad inlärning har varje\nträningsrad sin målvariabel med sig. När målvariabeln är en kategori, som betald\ni tid eller betald för sent, kallas uppgiften klassificering. När den är en\nstorhet, som antal dagar till betalning, kallas den regression. Vid oövervakad\ninlärning finns ingen målvariabel alls, och programmet letar själv efter\nstruktur, exempelvis genom att föra samman kunder som beter sig likadant i\ngrupper. I dokumentationen för scikit-learn har båda grupperna ett eget kapitel,\noch efter dem kommer ett kapitel om modellval och utvärdering. Det är där de\nflesta praktiska svårigheterna finns.\n\nDäremot är maskininlärning inte ett samlingsnamn för all mjukvara som verkar\nsmart. En regel som flaggar varje faktura över ett visst belopp har skrivits av\nen människa och gör exakt det som står i den. En modell som flaggar fakturor har\nsjälv härlett sin regel ur gamla fakturor. Den kan därför ha fel på sätt som\ningen har skrivit ner, och den beter sig annorlunda så fort de data den lär sig\nav förändras.\n\n## Varför det spelar roll\n\nVissa uppgifter är mycket lättare att visa än att beskriva. Ingen kan skriva en\nfullständig regel för vilka fakturor som kommer att betalas för sent, men de\nflesta företag har flera års fakturor där utfallet finns registrerat.\nMaskininlärning gör om den historiken till en regel som fungerar, och kan göra\ndet för många liknande frågor på en gång. Därför har tekniken gått från\nforskningen till helt vanliga affärssystem.\n\nBaksidan är att data nu gör det arbete som koden brukade göra. Innehåller\nhistoriken fel, dubbletter eller luckor lär sig modellen dem också, och\ningenting i koden avslöjar det. D. Sculley och nio kolleger på Google beskrev\nföljderna i *Hidden Technical Debt in Machine Learning Systems*, en artikel i\nkonferensvolymen från NIPS 2015, och deras ämne är teknisk skuld. Artikelns\nförsta figur ritar själva inlärningskoden som en liten svart låda mitt i ett\nmycket större system, och enligt bildtexten är infrastrukturen runt den både\nomfattande och komplex. På ett ställe bedömer författarna att ett moget system\nkan sluta med högst 5 procent maskininlärningskod och minst 95 procent limkod,\nvars enda uppgift är att flytta data in i och ut ur generella programpaket.\n\nDe hävdar också att ett beroende av data kostar mer än ett beroende av kod.\nKompilatorer och byggsystem kan analysera vilken kod som beror på vilken, men\nmotsvarande verktyg för data är betydligt ovanligare. En kolumn kan alltså få en\nny betydelse utan att något märker det. Författarna ger dessutom en princip ett\nnamn, CACE, för ”Changing Anything Changes Everything”: ändras fördelningen för\nen enda indata kan modellens sätt att använda alla andra indata ändras med den.\n\nEn modell är med andra ord billig att bygga och dyr att hålla vid liv. Det som\navgör om den gör nytta handlar mest om data: var de kommer ifrån, om varje kund\nfinns en eller tre gånger, om det registrerade utfallet ens stämmer och vem som\nmärker det när ett system längre upp i kedjan börjar skicka något annat än\nförut.\n\n## Så ser det ut i praktiken\n\nTänk dig ett företag som vill veta redan samma dag som en faktura skickas ut om\nden troligen kommer att betalas för sent. Då kan någon ringa kunden före\nförfallodagen och inte först efteråt. En export har en rad per tidigare faktura,\nsorterad efter fakturadatum, och fyra kolumner som alla var kända den dag\nfakturan gick iväg: beloppet, antalet kreditdagar, hur många fakturor kunden\nfick året innan och hur många av dem som betalades för sent. En femte kolumn\nvisar hur det gick: 1 om fakturan betalades för sent, 0 om den betalades i tid.\n\nSkriptet nedan är skrivet för den här artikeln och kontrollerat rad för rad mot\ndokumentationen för scikit-learn 1.9.1 och NumPy 2.5 i oktober 2026. Det tränar\nen modell på de äldsta tre fjärdedelarna av fakturorna och testar den på den\nnyaste fjärdedelen:\n\n```python\n# invoices.csv: en rad per faktura sorterad efter datum, bara tal.\n# Sista kolumnen är 1 om fakturan betalades för sent, annars 0.\nimport numpy as np\nfrom sklearn.dummy import DummyClassifier\nfrom sklearn.linear_model import LogisticRegression\nfrom sklearn.metrics import balanced_accuracy_score\nfrom sklearn.model_selection import train_test_split\nfrom sklearn.pipeline import make_pipeline\nfrom sklearn.preprocessing import StandardScaler\n\ndata = np.loadtxt(\"invoices.csv\", delimiter=\",\", skiprows=1)\nX, y = data[:, :-1], data[:, -1].astype(int)\n\n# Håll den nyaste fjärdedelen utanför: inget lär sig av den.\nX_old, X_new, y_old, y_new = train_test_split(\n    X, y, test_size=0.25, shuffle=False\n)\n\nmodel = make_pipeline(StandardScaler(), LogisticRegression())\nbaseline = DummyClassifier(strategy=\"most_frequent\")\nfor name, candidate in [(\"model\", model), (\"baseline\", baseline)]:\n    candidate.fit(X_old, y_old)\n    score = balanced_accuracy_score(y_new, candidate.predict(X_new))\n    print(name, round(score, 3))\n```\n\nFyra val i skriptet spelar större roll än valet av algoritm.\n\n**Den nyaste fjärdedelen läggs undan innan något lär sig.** Med `shuffle=False`\nbehåller `train_test_split` ordningen och lägger de sista raderna i testmängden.\nModellen lär sig alltså av äldre fakturor och bedöms på nyare, precis så som den\nska användas. Med standardvärdet `shuffle=True` skulle uppdelningen bli\nslumpmässig, och modellen skulle delvis testas på fakturor som är äldre än några\nav dem den lärde sig av.\n\n**Skalningen sitter inne i pipelinen.** `StandardScaler` drar bort medelvärdet\nför varje feature och skalar den till enhetsvarians. Eftersom `make_pipeline`\nkopplar ihop skalningen med klassificeraren räknas medelvärde och varians enbart\nfram ur träningsraderna, och ingenting från den nyaste fjärdedelen läcker in i\nmodellen.\n\n**Måttet är balanserad träffsäkerhet.** För var och en av de två klasserna\nräknas andelen som modellen fick rätt, alltså de sena fakturor den fångade och\nde punktliga den kände igen, och sedan tas medelvärdet. Om var tionde faktura\nbetalas för sent belönar vanlig träffsäkerhet en modell som svarar ”i tid”\nvarenda gång. Det gör inte balanserad träffsäkerhet.\n\n**Modellen måste slå en referensmodell.** `DummyClassifier` med\n`strategy=\"most_frequent\"` bortser från alla features och svarar alltid med den\nvanligaste klassen. Mätt i balanserad träffsäkerhet får den 0,5 med två klasser,\neftersom den prickar varje punktlig faktura och missar varje sen. En modell som\ninte tydligt slår den har inte lärt sig något användbart, hur fin dess vanliga\nträffsäkerhet än ser ut.\n\nInget av detta räddar en modell från dåliga rader. Finns samma kund som tre\nolika poster delas antalet sena fakturor för kunden upp på tre, och modellen lär\nsig av en historik som aldrig har ägt rum. Vår sida om\n[Dataförberedelse för AI](/sv/services/ai-data/) handlar om just det\ngrundarbetet: att varje kund bara finns en gång, att varje medarbetare bara\nkommer åt det hen ska se och att man kan härleda ett svar till de data det\nbygger på. För en modell är den sista punkten det som gör att man kan gå\nbaklänges från en konstig förutsägelse till raderna som gav upphov till den.\n\n## Var det går fel\n\n**Information från framtiden kommer med i träningen.** Guiden till vanliga\nfallgropar i scikit-learn kallar detta dataläckage (data leakage): att modellen\nbyggs med information som inte kommer att finnas när den ska göra en\nförutsägelse. I fakturaexemplet är den lockande extra kolumnen antalet skickade\nbetalningspåminnelser. Den förutsäger förseningar utmärkt, just för att\npåminnelser bara skickas när en faktura redan har förfallit. Samma läcka uppstår\nmer obemärkt när en skalning eller en ifyllnad av saknade värden anpassas på\nalla rader före uppdelningen, och guidens regel är att aldrig anropa `fit` på\ntestdata. Lösningen är att skriva upp när värdet i varje kolumn blir känt, att\ndela upp data först och att lägga all förbehandling inne i pipelinen, så att den\nbara anpassas på träningsraderna.\n\n**Modellen bedöms på något den redan har sett.** En modell som bara upprepade de\nsvar den tränats på skulle få full poäng på sina egna träningsrader och vara\noanvändbar på allt nytt. Guiden om korsvalidering kallar detta överanpassning\n(overfitting). En lömskare variant är att prova många inställningar och behålla\nden som får bäst resultat på de undanhållna raderna, för då läcker kunskap om\njust de raderna in i valet. Jämför i stället inställningar med korsvalidering på\nträningsdelen, där raderna delas in i flera veck och varje veck i tur och\nordning får vara testmängd. De undanhållna raderna tittar man på en enda gång,\nallra sist.\n\n**Hög träffsäkerhet som en konstant skulle klara.** När den ena klassen är\novanlig domineras träffsäkerheten av den vanliga. Guiden varnar för att ett veck\nvid ovanliga klasser, som vid upptäckt av bedrägerier, kan sakna ett enda\nexempel på den ovanliga klassen. Redovisa balanserad träffsäkerhet eller något\nannat mått per klass, jämför med en `DummyClassifier` och använd stratifierade\nveck, som håller klassernas andelar ungefär lika i varje veck. `cross_val_score`\nanvänder dem som standard för en klassificerare när man anger ett antal veck.\n\n**Slumpmässig uppdelning av data som förändras över tid.** Guiden om\nkorsvalidering påpekar att antagandet om oberoende, likafördelade observationer\nsällan håller i praktiken, och att tidsordnade data bör testas på observationer\nsom ligger senare än dem modellen lärde sig av. En slumpmässig uppdelning låter\nmodellen kika in i framtiden och ger ett resultat den aldrig når i drift. Dela\nupp efter datum, som exemplet gör, och använd vid korsvalidering en uppdelning\nsom tar hänsyn till tiden, till exempel `TimeSeriesSplit`, där varje veck enligt\nguiden bör täcka lika lång tid.\n\n**Förbehandlingen skiljer sig mellan träning och drift.** Om modellen lärde sig\nav skalade features och det körande systemet skickar råa tal blir\nförutsägelserna fel, utan att något felmeddelande dyker upp. Guiden om\nfallgropar kräver att varje transformation som används vid träningen också\ntillämpas på testdata och på data i produktion. Leverera den anpassade pipelinen\nsom ett enda objekt, inte som en modell plus en anvisning om vad som först ska\ngöras med data.\n\n**Världen förändras efter att modellen har tagits i drift.** En modell som\ntränats på förra årets fakturor utgår från att kunderna fortfarande beter sig\nsom då. Sculley och hans medförfattare föreslår att man följer prediktionsbias\n(prediction bias): i ett system som fungerar som tänkt bör fördelningen av\nförutsagda kategorier i regel motsvara fördelningen av dem som faktiskt\nobserveras, och ett glapp som växer fram mellan dem är ofta det första tecknet\npå att världen har förändrats. Håll den jämförelsen igång, träna om på färskare\ndata och behåll en fryst, versionerad kopia av varje indatasignal som ett annat\nteam äger, så att en välmenande ändring längre upp i kedjan inte i tysthet\nändrar er modell.\n\n## Läs mer\n\n- [User Guide](https://scikit-learn.org/stable/user_guide.html)\n  — referensverket för scikit-learn om övervakad och oövervakad inlärning och om\n  modellval och utvärdering, kapitel för kapitel.\n- [Getting Started](https://scikit-learn.org/stable/getting_started.html)\n  — estimatorernas gemensamma gränssnitt i korta exempel: anpassning och\n  förutsägelse, transformatorer, sammankopplade steg och korsvalidering.\n- [Common pitfalls and recommended practices](https://scikit-learn.org/stable/common_pitfalls.html)\n  — inkonsekvent förbehandling, dataläckage och slump, med fel och rätt sätt\n  sida vid sida i kod.\n- [Cross-validation: evaluating estimator performance](https://scikit-learn.org/stable/modules/cross_validation.html)\n  — varför test på träningsdata vilseleder, och vilken uppdelning som passar\n  grupperade, obalanserade eller tidsordnade data.\n- [Hidden Technical Debt in Machine Learning Systems](https://papers.nips.cc/paper_files/paper/2015/hash/86df7dcfd896fcaf2674f757a2463eba-Abstract.html)\n  — Sculley och kolleger på Google, NIPS 2015, om vad det kostar att driva en\n  modell i produktion utöver själva modellen.\n\n\u003chttps://engineer.company/sv/glossary/machine-learning/\u003e\n","date_modified":"2026-11-09T21:50:25Z","description":"Hur maskininlärning låter program lära sig en uppgift av exempel, hur en första modell på fakturadata ser ut och misstagen som får den att se för bra ut.","formats":{"gemtext":"https://engineer.company/sv/glossary/machine-learning/index.gmi","gopher":"https://engineer.company/sv/glossary/machine-learning/gophermap","html":"https://engineer.company/sv/glossary/machine-learning/","json":"https://engineer.company/sv/glossary/machine-learning/index.json","markdown":"https://engineer.company/sv/glossary/machine-learning/index.md","pdf":"https://engineer.company/sv/glossary/machine-learning/index.pdf"},"kind":"page","language":"sv","title":"Vad är maskininlärning?","url":"https://engineer.company/sv/glossary/machine-learning/","version":1}