分类
使用集合让一切井井有条
根据您的偏好保存内容并对其进行分类。
在逻辑回归模块中,您学习了如何使用 sigmoid 函数将原始模型输出转换为介于 0 到 1 之间的值,以进行概率预测,例如预测指定电子邮件是垃圾邮件的概率为 75%。但是,如果您的目标不是输出概率,而是输出类别(例如,预测指定电子邮件是“垃圾邮件”还是“非垃圾邮件”),该怎么办?
分类是指预测某个示例属于一组类(类别)中的哪一类。在本单元中,您将了解如何
一种逻辑回归模型,
二元分类
用于预测两个类别中某一个的模型。您还将了解如何选择和计算适当的指标,以评估分类模型的预测质量。最后,该课程将简要介绍
多类别分类
这些问题将在本课程的稍后部分进行详细介绍。
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可,并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情,请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC):2024-10-22。
[[["易于理解","easyToUnderstand","thumb-up"],["解决了我的问题","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["没有我需要的信息","missingTheInformationINeed","thumb-down"],["太复杂/步骤太多","tooComplicatedTooManySteps","thumb-down"],["内容需要更新","outOfDate","thumb-down"],["翻译问题","translationIssue","thumb-down"],["示例/代码问题","samplesCodeIssue","thumb-down"],["其他","otherDown","thumb-down"]],["最后更新时间 (UTC):2024-10-22。"],[],[]]