W module regresji logistycznej wiesz, jak korzystać z funkcji sigmoidalnej, do konwertowania nieprzetworzonych danych wyjściowych modelu na wartość z zakresu od 0 do 1 w celu uzyskania prawdopodobieństwa przewidywania – na przykład przewidywanie, że dany e-mail ma 75% szans na jako spam. Co jednak, jeśli Twoim celem nie jest wygenerowanie prawdopodobieństwa, lecz kategorii? Możesz na przykład przewidzieć, czy dany e-mail jest spamem czy nie.
Obecna klasyfikacja: Zadanie prognozowania, które z kolei zajęć (kategorie), do których należy przykład. W tym module dowiesz się, jak modelu regresji logistycznej, który prognozuje prawdopodobieństwo na klasyfikacja binarna który prognozuje jedną z dwóch klas. Dowiesz się też, jak wybierać i obliczać odpowiednie dane, aby oceniać jakość prognoz modelu klasyfikacji. Na koniec omówimy pokrótce klasyfikacja wieloklasowa , które omówimy bardziej szczegółowo w dalszej części szkolenia.