ในโมดูลการถดถอยเชิงเส้นโลจิสติก คุณได้เรียนรู้วิธีใช้ฟังก์ชัน sigmoid เพื่อแปลงเอาต์พุตโมเดลดิบเป็นค่าระหว่าง 0 ถึง 1 เพื่อทำนายแบบมีแนวโน้ม เช่น การคาดการณ์ว่าอีเมลหนึ่งๆ มีแนวโน้มที่จะเป็นสแปม 75% แต่จะเกิดอะไรขึ้นหากเป้าหมายของคุณไม่ใช่การแสดงผลลัพธ์ความน่าจะเป็น แต่แสดงเป็นหมวดหมู่ เช่น การคาดการณ์ว่าอีเมลหนึ่งๆ เป็น "จดหมายขยะ" หรือ "ไม่ใช่จดหมายขยะ"
การจัดประเภทคือการคาดการณ์ว่าตัวอย่างข้อมูลจัดอยู่ในคลาส (หมวดหมู่) ใดจากชุดคลาส ในโมดูลนี้ คุณจะได้รู้วิธีแปลง โมเดลการถดถอยแบบโลจิสติกซึ่งคาดการณ์ความน่าจะเป็น การจัดประเภทแบบไบนารี โมเดลที่คาดการณ์หนึ่งในสองคลาส นอกจากนี้ คุณยังจะได้เรียนรู้วิธีเลือกและคำนวณเมตริกที่เหมาะสมเพื่อประเมินคุณภาพของการคาดการณ์ของโมเดลการจัดประเภท สุดท้าย คุณจะได้รับข้อมูลเบื้องต้นเกี่ยวกับปัญหาการจัดประเภทหลายคลาส ซึ่งจะกล่าวถึงอย่างละเอียดในภายหลังในหลักสูตรนี้