Binary Classification, eller binær klassifikation på dansk, er en af de mest fundamentale opgavetyper i maskinlæring. Målet er enkelt: givet et input, skal modellen afgøre, hvilken af to mulige kategorier det tilhører. Det kan være så forskelligartet som at afgøre, om en e-mail er spam eller legitim, om en transaktion er svindel eller ægte, om en tumor er godartet eller ondartet, eller om en kunde vil klikke på en annonce eller ej. Bag den enkle definition gemmer sig en kraftfuld abstraktion, der understøtter en lang række AI-applikationer i det moderne samfund. Algoritmerne bag binary classification spænder vidt. Klassiske statistiske metoder som logistisk regression er ofte et godt udgangspunkt på grund af deres fortolkelighed og effektivitet. Support Vector Machines tegner optimale adskillelseslinjer mellem klasserne. Beslutningstræer og deres ensembler som Random Forests og Gradient Boosting er populære valg, når der kræves høj præcision. Og i stigende grad anvendes neurale netværk og deep learning, især når data er komplekse eller ustrukturerede, som billeder, tekst eller lyd, hvor relationerne mellem features er svære at definere manuelt.
