Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Trong Mô-đun hồi quy tuyến tính, bạn đã tìm hiểu cách xây dựng mô hình để đưa ra dự đoán dạng số liên tục, chẳng hạn như hiệu suất nhiên liệu của ô tô. Nhưng nếu bạn muốn xây dựng một mô hình
để trả lời các câu hỏi như "Hôm nay trời có mưa không?" hoặc "Email này có phải là thư rác không?"
Mô-đun này giới thiệu một loại mô hình hồi quy mới có tên là hồi quy logistic. Mô hình này được thiết kế để dự đoán xác suất của một kết quả nhất định.
[[["Dễ hiểu","easyToUnderstand","thumb-up"],["Giúp tôi giải quyết được vấn đề","solvedMyProblem","thumb-up"],["Khác","otherUp","thumb-up"]],[["Thiếu thông tin tôi cần","missingTheInformationINeed","thumb-down"],["Quá phức tạp/quá nhiều bước","tooComplicatedTooManySteps","thumb-down"],["Đã lỗi thời","outOfDate","thumb-down"],["Vấn đề về bản dịch","translationIssue","thumb-down"],["Vấn đề về mẫu/mã","samplesCodeIssue","thumb-down"],["Khác","otherDown","thumb-down"]],["Cập nhật lần gần đây nhất: 2024-11-08 UTC."],[[["This module introduces logistic regression, a model used to predict the probability of an outcome, unlike linear regression which predicts continuous numerical values."],["Logistic regression utilizes the sigmoid function to calculate probability and employs log loss as its loss function."],["Regularization is crucial when training logistic regression models to prevent overfitting and improve generalization."],["The module covers the comparison between linear and logistic regression and explores use cases for logistic regression."],["Familiarity with introductory machine learning and linear regression concepts is assumed for this 35-minute module."]]],[]]