Trong Mô-đun hồi quy logistic, bạn đã tìm hiểu cách dùng hàm sigmoid chuyển đổi đầu ra của mô hình thô thành giá trị từ 0 đến 1 để xác suất dự đoán—ví dụ: dự đoán rằng một email nhất định có 75% cơ hội là spam. Nhưng điều gì sẽ xảy ra nếu mục tiêu của bạn không phải là xác suất xuất ra danh mục—ví dụ: dự đoán liệu một email cụ thể có phải là "thư rác" không hay "không phải spam"?
Phân loại mới là nhiệm vụ dự đoán tập hợp lớp (danh mục) chứa ví dụ. Trong mô-đun này, bạn sẽ tìm hiểu cách chuyển đổi mô hình hồi quy logistic dự đoán xác suất thành một phân loại nhị phân mô hình dự đoán một trong hai lớp. Bạn cũng sẽ tìm hiểu cách chọn và tính toán các chỉ số thích hợp để đánh giá chất lượng của các dự đoán của mô hình phân loại. Cuối cùng, bạn sẽ được giới thiệu ngắn gọn về phân loại nhiều lớp các vấn đề sẽ được thảo luận kỹ hơn sau trong khoá học này.