Regresi Logistik
Pelajaran 15 dari 19 dalam kursus Pengantar Machine Learning di Coddy.
Regresi logistik, meskipun namanya demikian, adalah model linear yang terutama digunakan untuk tugas klasifikasi, bukan regresi. Model ini ideal untuk situasi ketika kamu ingin memprediksi ada atau tidaknya sesuatu, seperti apakah sebuah email adalah spam. Regresi logistik bekerja dengan baik untuk klasifikasi biner, tetapi dapat diperluas ke klasifikasi multikelas melalui berbagai teknik.
Sumber: wikipedia
Pada dasarnya, regresi logistik memprediksi probabilitas bahwa titik input tertentu termasuk ke dalam class tertentu. Tidak seperti regresi linear yang memprediksi output kontinu, regresi logistik memprediksi hasil biner (1/0, Ya/Tidak). Inti regresi logistik terletak pada fungsi logistik atau fungsi sigmoid, yang memetakan bilangan bernilai riil apa pun ke nilai antara 0 dan 1, sehingga cocok untuk estimasi probabilitas.
Menyesuaikan model regresi logistik melibatkan pencarian kumpulan koefisien terbaik untuk persamaan berdasarkan data pelatihan.
Meskipun efisien dan sederhana untuk klasifikasi biner, performanya mungkin kalah dibandingkan model yang lebih kompleks untuk dataset yang rumit.
Uji dirimuPelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.
Uji dirimuPelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.
Uji dirimuPelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.
Tantangan
MudahBuat fungsi bernama sigmoid yang menerima list yang merepresentasikan titik data dan mengembalikan output fungsi sigmoid. Gunakan numpy untuk menyelesaikan masalah ini.
Coba sendiri
import numpy as np
def sigmoid(point):
arr = np.array(point)
# Tulis kodemu di siniSemua pelajaran di Pengantar Machine Learning
Latihan sendiri: Compiler Python online