Regresja logistyczna

Szacowany czas trwania modułu: 35 minut

Cele edukacyjne

• Określ przypadki użycia regresji logistycznej.
• Wyjaśnij, jak modele regresji logistycznej używają funkcji sigmoidalnej do obliczania prawdopodobieństwa.
• Porównaj regresję liniową i regresję logistyczną.
• Wyjaśnij, dlaczego regresja logistyczna używa utraty logarytmicznej zamiast utraty kwadratowej.
• Wyjaśnij, jak ważne jest regularyzowanie podczas trenowania modeli regresji logistycznej.

Wymagania wstępne:

W tym module zakładamy, że znasz już pojęcia omawiane w tych modulech:

• Wprowadzenie do systemów uczących się
• Regresja liniowa

W module Regresja liniowa poznasz sposób tworzenia modelu do ciągłych prognoz liczbowych, np. dotyczących spalania paliwa w samochodzie. A co, jeśli chcesz utworzyć model, który będzie odpowiadać na pytania w rodzaju „Czy dziś będzie padać?” lub „Czy ten e-mail jest spamem?”?

W tym module przedstawiamy nowy typ modelu regresji, czyli regresję logistycznej, która służy do przewidywania prawdopodobieństwa wystąpienia danego wyniku.

Kluczowe terminy:

• Regresja logistyczna

Centrum pomocy