Regresja logistyczna
Lekcja 15 z 19 w kursie Wprowadzenie do uczenia maszynowego w Coddy.
Regresja logistyczna, wbrew swojej nazwie, jest modelem liniowym wykorzystywanym głównie do zadań klasyfikacji, a nie regresji. Sprawdza się idealnie w sytuacjach, gdy chcesz przewidzieć obecność lub brak czegoś, na przykład to, czy dany e-mail jest spamem. Regresja logistyczna dobrze radzi sobie z klasyfikacją binarną, ale można ją rozszerzyć do klasyfikacji wieloklasowej za pomocą różnych technik.
Źródło: Wikipedia
U podstaw regresja logistyczna przewiduje prawdopodobieństwo, że dany punkt wejściowy należy do określonej klasy. W przeciwieństwie do regresji liniowej, która przewiduje ciągłą wartość wyjściową, regresja logistyczna przewiduje wynik binarny (1/0, Tak/Nie). Kluczową rolę w regresji logistycznej odgrywa funkcja logistyczna, czyli funkcja sigmoidalna, która odwzorowuje dowolną liczbę rzeczywistą na wartość z przedziału od 0 do 1, dzięki czemu nadaje się do szacowania prawdopodobieństwa.
Dopasowanie modelu regresji logistycznej polega na znalezieniu najlepszego zestawu współczynników równania na podstawie danych treningowych.
Choć regresja logistyczna jest wydajna i prosta w przypadku klasyfikacji binarnej, w przypadku złożonych zbiorów danych jej skuteczność może być niższa niż skuteczność bardziej złożonych modeli.
Sprawdź sięTa lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Sprawdź sięTa lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Sprawdź sięTa lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Wyzwanie
ŁatwyUtwórz funkcję o nazwie sigmoid, która przyjmuje listę reprezentującą punkt danych i zwraca wynik funkcji sigmoid. Użyj numpy, aby rozwiązać ten problem.
Spróbuj swoich sił
import numpy as np
def sigmoid(point):
arr = np.array(point)
# Wpisz kod tutajWszystkie lekcje w sekcji Wprowadzenie do uczenia maszynowego
6Inne modele
Regresja logistycznaRegresja liniowaDrzewo decyzyjneMaszyna wektorów nośnych (SVM)Quiz o modelachPoćwicz samodzielnie: Kompilator Python online