Mantıksal regresyon modülünde, ham model çıktısını 0 ile 1 arasında bir değere dönüştürerek olasılık tahminleri yapmak için sigmoid işlevini nasıl kullanacağınızı öğrendiniz. Örneğin, belirli bir e-postanın spam olma olasılığının %75 olduğunu tahmin edebilirsiniz. Ancak hedefiniz olasılık değil de bir kategori (ör. belirli bir e-postanın "spam" mi yoksa "spam değil" mi olduğunu tahmin etmek) döndürmekse ne olur?
Sınıflandırma:
tahmin etme görevi, belirli bir sınıfın
(kategoriler) görürsünüz. Bu modülde, olasılığı tahmin eden mantıksal regresyon modelini, iki sınıftan birini tahmin eden ikili sınıflandırma modeline nasıl dönüştüreceğinizi öğreneceksiniz. Ayrıca, sınıflandırma modelinin tahminlerinin kalitesini değerlendirmek için uygun metrikleri nasıl seçeceğinizi ve hesaplayacağınızı da öğreneceksiniz. Son olarak,
çok sınıflı sınıflandırma
ele alacağız.
[null,null,["Son güncelleme tarihi: 2024-10-22 UTC."],[[["This module focuses on converting logistic regression models into binary classification models for predicting categories instead of probabilities."],["You'll learn how to determine the optimal threshold for classification, calculate and select appropriate evaluation metrics, and interpret ROC and AUC."],["The module covers binary and provides an introduction to multi-class classification, building upon prior knowledge of machine learning, linear regression, and logistic regression."],["The content explores methods for evaluating the quality of classification model predictions and applying them to real-world scenarios."]]],[]]
