No Módulo de regressão logística,
você aprendeu a usar a função sigmoide
para converter a saída do modelo bruto em um valor entre 0 e 1 e fazer previsões
probabilísticas, por exemplo, prever que um determinado e-mail tem 75% de chance de
ser spam. Mas e se sua meta não for produzir probabilidade, mas uma
categoria, por exemplo, prevendo se um e-mail é "spam" ou "não é spam"?
A classificação é
a tarefa de prever a qual de um conjunto de classes
(categorias) um exemplo pertence. Neste módulo, você vai aprender a converter
um modelo de regressão logística que prevê uma probabilidade
classificação binária
que prevê uma de duas classes. Você também vai aprender a
escolher e calcular as métricas apropriadas para avaliar a qualidade
as previsões do modelo de classificação. Por fim, você vai receber uma breve introdução aos
problemas de classificação multiclasse,
que serão discutidos com mais detalhes mais adiante no curso.
[null,null,["Última atualização 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."]]],[]]
