Dans le module Régression logistique, vous avez appris à utiliser la fonction sigmoïde. pour convertir la sortie brute du modèle en une valeur comprise entre 0 et 1 afin de rendre des prédictions (par exemple, en prédisant qu'un e-mail donné a 75% de chances qu'il s'agit de spam. Mais que se passe-t-il si votre objectif n'est pas de générer une probabilité, mais une catégorie ? Par exemple, si vous souhaitez prédire si un e-mail donné est un spam ou non ?
La classification consiste à prédire à quelle classe (catégorie) un exemple appartient parmi un ensemble de classes. Dans ce module, vous apprendrez à convertir un modèle de régression logistique qui prédit une probabilité classification binaire qui prédit l'une des deux classes. Vous apprendrez également à choisir et à calculer les métriques appropriées pour évaluer la qualité des prédictions d'un modèle de classification. Enfin, nous vous présenterons brièvement classification à classes multiples des problèmes, qui sont abordés plus en détail plus loin dans le cours.