Nel modulo sulla regressione logistica, hai imparato a utilizzare la funzione sigmoide per convertire l'output non elaborato del modello in un valore compreso tra 0 e 1 per fare predizioni probabilistiche, ad esempio prevedere che una determinata email abbia il 75% di probabilità di essere spam. Ma cosa succede se il tuo obiettivo non è produrre una probabilità, ma una categoria, ad esempio prevedere se una determinata email è "spam" o "non spam"?
La classificazione consiste nel predire a quale di un insieme di classi (categorie) appartiene un esempio. In questo modulo imparerai a convertire un modello di regressione logistica che prevede una probabilità in un modello di classificazione binaria che prevede una delle due classi. Imparerai inoltre scegliere e calcolare metriche appropriate per valutare la qualità le previsioni del modello di classificazione. Infine, vedremo una breve introduzione classificazione multiclasse che verranno discussi in modo più approfondito più avanti nel corso.