Regressão Logística

Lição 15 de 19 do curso Introdução ao aprendizado de máquina da Coddy.

A regressão logística, apesar do nome, é um modelo linear usado principalmente para tarefas de classificação, não para regressão. É ideal para situações em que você deseja prever a presença ou ausência de algo, como se um e-mail é spam ou não. A regressão logística funciona bem para classificação binária, mas pode ser estendida para classificação multiclasse por meio de diferentes técnicas.

Fonte: wikipedia

Em sua essência, a regressão logística prevê a probabilidade de um determinado ponto de entrada pertencer a uma determinada classe. Ao contrário da regressão linear, que prevê uma saída contínua, a regressão logística prevê um resultado binário (1/0, Sim/Não). O ponto crucial da regressão logística reside na função logística ou função sigmoide, que mapeia qualquer número de valor real em um valor entre 0 e 1, tornando-a adequada para estimativa de probabilidade.

Ajustar um modelo de regressão logística envolve encontrar o melhor conjunto de coeficientes para a equação, dados os dados de treinamento.

Embora seja eficiente e direta para classificação binária, seu desempenho pode ficar atrás de modelos mais complexos para conjuntos de dados intrincados.

Teste seus conhecimentos

Esta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.

Teste seus conhecimentos

Esta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.

Teste seus conhecimentos

Esta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.

Desafio

Fácil

Crie uma função chamada sigmoid que recebe uma lista que representa um ponto de dados e retorna a saída das funções sigmoide. Use numpy para resolver este problema.

Experimente você mesmo

import numpy as np
def sigmoid(point):
    arr = np.array(point)
    # Escreva o código aqui

Todas as lições de Introdução ao aprendizado de máquina

1O Início da Jornada em ML

Introdução a ML Dados para alimentar um modelo O que é um modelo de ML

4Algoritmo K-Means

Introdução ao K-Means método fit método predict

2Visão geral de Machine Learning

Aprendizado supervisionado Aprendizado não supervisionado

5Naive Bayes

Introdução ao Naive Bayes método fit método predict

3K-Vizinhos Mais Próximos (KNN)

Introdução ao KNN método fit método predict

6Outros Modelos

Regressão LogísticaRegressão Linear Árvore de Decisão Máquina de Vetores de Suporte (SVM)Questionário sobre Modelos

Pratique por conta própria: Compilador de Python online