Тримайте все під контролем за допомогою колекцій
Зберігайте контент і організовуйте його за категоріями відповідно до своїх потреб.
З модуля Лінійна регресія ви дізналися, як побудувати модель для неперервних числових прогнозів, наприклад, витрати палива автомобіля. Але що як потрібно побудувати модель, яка відповідатиме на запитання "Чи буде сьогодні дощ?" або "Цей лист – спам?"
У цьому модулі розглядається новий тип регресійної моделі під назвою логістична регресія, призначений для прогнозування ймовірності певного результату.
[[["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complicated / too many steps","tooComplicatedTooManySteps","thumb-down"],["Out of date","outOfDate","thumb-down"],["Translation issue","translationIssue","thumb-down"],["Проблема з кодом або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)."],[[["\u003cp\u003eThis module introduces logistic regression, a model used to predict the probability of an outcome, unlike linear regression which predicts continuous numerical values.\u003c/p\u003e\n"],["\u003cp\u003eLogistic regression utilizes the sigmoid function to calculate probability and employs log loss as its loss function.\u003c/p\u003e\n"],["\u003cp\u003eRegularization is crucial when training logistic regression models to prevent overfitting and improve generalization.\u003c/p\u003e\n"],["\u003cp\u003eThe module covers the comparison between linear and logistic regression and explores use cases for logistic regression.\u003c/p\u003e\n"],["\u003cp\u003eFamiliarity with introductory machine learning and linear regression concepts is assumed for this 35-minute module.\u003c/p\u003e\n"]]],[],null,[]]