Di Modul regresi logistik,
Anda telah mempelajari cara menggunakan fungsi sigmoid
untuk mengonversi output model mentah menjadi nilai antara 0 dan 1 untuk membuat prediksi
probabilistik—misalnya, memprediksi bahwa email tertentu memiliki peluang 75%
menjadi spam. Namun, bagaimana jika sasaran Anda bukan untuk menghasilkan probabilitas, tetapi kategori—misalnya, memprediksi apakah email tertentu adalah "spam" atau "bukan spam"?
Klasifikasi adalah
tugas memprediksi dari sekumpulan class
(kategori) mana contoh tersebut berasal. Dalam modul ini, Anda akan mempelajari cara mengonversi
model regresi logistik yang memprediksi probabilitas menjadi
klasifikasi biner
yang memprediksi salah satu dari dua class. Anda juga akan belajar cara
memilih dan menghitung metrik yang sesuai untuk mengevaluasi kualitas
terhadap prediksi model klasifikasi. Akhirnya, Anda akan mendapatkan
pengantar singkat tentang
klasifikasi kelas multi-kelas
masalah, yang akan dibahas
lebih mendalam di materi ini.
[null,null,["Terakhir diperbarui pada 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."]]],[]]
