Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Nel modulo sulla regressione lineare,
hai esplorato come costruire un modello per fare predizioni numeriche
continue, come il consumo di carburante di un'auto. Ma cosa succederebbe se volessi
creare un modello per rispondere a domande come "Oggi pioverà?" o "Questa email è spam?"
Questo modulo introduce un nuovo tipo di modello di regressione chiamato
regressione logistica
che è progettato per prevedere la probabilità di un determinato risultato.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Mancano le informazioni di cui ho bisogno","missingTheInformationINeed","thumb-down"],["Troppo complicato/troppi passaggi","tooComplicatedTooManySteps","thumb-down"],["Obsoleti","outOfDate","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Problema relativo a esempi/codice","samplesCodeIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 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."]]],[]]