Тримайте все під контролем за допомогою колекцій
Зберігайте контент і організовуйте його за категоріями відповідно до своїх потреб.
З модуля Логістична регресія ви дізналися, як використовувати сигмоїдну функцію, щоб перетворювати необроблені вихідні дані моделі на значення від 0 до 1, а потім робити ймовірнісні прогнози, наприклад, визначати, що певний електронний лист є спамом із вірогідністю 75%. Але що як ваша мета – вивести не ймовірність, а категорію (наприклад, прогнозувати для електронного листа, "спам" це чи "не спам")?
Класифікація – це завдання прогнозувати, до якого з ряду класів (категорій) належить приклад. Із цього модуля ви дізнаєтеся, як перетворити модель логістичної регресії, що прогнозує імовірність, у модель бінарної класифікації, яка прогнозує один із двох класів. Ви також дізнаєтеся, як вибрати й розрахувати відповідні показники для оцінювання якості прогнозів моделі класифікації. Наприкінці ви коротко ознайомитеся з проблемами багатокласової класифікації, про які йдеться в одному з наступних модулів курсу.
[[["Easy to understand","easyToUnderstand","thumb-up"],["Solved my problem","solvedMyProblem","thumb-up"],["Other","otherUp","thumb-up"]],[["Missing the information I need","missingTheInformationINeed","thumb-down"],["Too complicated / too many steps","tooComplicatedTooManySteps","thumb-down"],["Out of date","outOfDate","thumb-down"],["Translation issue","translationIssue","thumb-down"],["Проблема з кодом або зразками","samplesCodeIssue","thumb-down"],["Other","otherDown","thumb-down"]],["Останнє оновлення: 2025-04-22 (UTC)."],[],[]]