ロジスティック回帰
Coddyの「機械学習入門」コースのレッスン 15/19。
ロジスティック回帰は、その名称に反して、主に回帰ではなく分類タスクに使用される線形モデルです。メールがスパムであるかどうかなど、何かの有無を予測したい状況に最適です。ロジスティック回帰は二値分類に適していますが、さまざまな手法を通じて多クラス分類に拡張することも可能です。
出典: wikipedia
その核心において、ロジスティック回帰は、与えられた入力ポイントが特定のクラスに属する確率を予測します。連続的な出力を予測する線形回帰とは異なり、ロジスティック回帰は二値の結果（1/0、はい/いいえ）を予測します。ロジスティック回帰の要はロジスティック関数またはシグモイド関数にあり、これは任意の実数値を0から1の間の値にマッピングするため、確率推定に適しています。
ロジスティック回帰モデルのフィッティングには、トレーニングデータに基づいて方程式の最適な係数のセットを見つけることが含まれます。
二値分類においては効率的で分かりやすい一方で、複雑なデータセットに対しては、より複雑なモデルに性能が劣る場合があります。
腕試しこのレッスンには短いクイズがあります。レッスンを始めて解答し、進捗を記録しましょう。
腕試しこのレッスンには短いクイズがあります。レッスンを始めて解答し、進捗を記録しましょう。
腕試しこのレッスンには短いクイズがあります。レッスンを始めて解答し、進捗を記録しましょう。
チャレンジ
簡単データポイントを表すリストを受け取り、シグモイド関数の出力を返す sigmoid という名前の関数を作成してください。この問題を解決するために numpy を使用してください。
自分で試してみよう
import numpy as np
def sigmoid(point):
arr = np.array(point)
# ここにコードを記述してください機械学習入門のすべてのレッスン
自分で練習してみよう: Pythonオンラインコンパイラ