การจำแนกประเภท

ในโมดูลการถดถอยแบบโลจิสติก คุณได้เรียนรู้วิธีใช้ฟังก์ชัน Sigmoid แล้ว เพื่อแปลงเอาต์พุตโมเดลดิบเป็นค่าระหว่าง 0 ถึง 1 เพื่อสร้างความน่าจะเป็น การคาดคะเน - ตัวอย่างเช่น การคาดการณ์ว่าอีเมลฉบับหนึ่งจะมีโอกาส 75% ที่ การเป็นสแปม แต่ถ้าเป้าหมายของคุณไม่ได้แสดงถึงความน่าจะเป็น หมวดหมู่ เช่น การคาดการณ์ว่าอีเมลที่ระบุนั้นเป็น "สแปม" หรือไม่ หรือ "ไม่ใช่สแปม"

การจัดประเภท คือ งานในการคาดการณ์ชุดคลาส (หมวดหมู่) ของตัวอย่าง ในโมดูลนี้ คุณจะได้รู้วิธีแปลง โมเดลการถดถอยแบบโลจิสติกซึ่งคาดการณ์ความน่าจะเป็น การจัดประเภทแบบไบนารี โมเดลที่คาดการณ์หนึ่งในสองคลาส และคุณจะได้เรียนรู้วิธีการต่อไปนี้ เลือกและคำนวณเมตริกที่เหมาะสมเพื่อประเมินคุณภาพของ การคาดการณ์ของโมเดลการจัดประเภท สุดท้ายนี้ คุณจะได้พบกับข้อมูลเบื้องต้นเกี่ยวกับ การแยกประเภทแบบหลายคลาส ปัญหาโดยตรง ซึ่งจะกล่าวถึงในเชิงลึกในหลักสูตรต่อไป

ก่อนหน้า
ทดสอบความรู้ของคุณ (10 นาที)
ถัดไป
เกณฑ์และเมทริกซ์ความสับสน (12 นาที)