লজিস্টিক রিগ্রেশন মডিউলে , আপনি শিখেছেন কীভাবে সিগমায়েড ফাংশন ব্যবহার করে কাঁচা মডেলের আউটপুটকে 0 এবং 1-এর মধ্যে একটি মানকে সম্ভাব্য ভবিষ্যদ্বাণী করতে রূপান্তর করতে হয়—উদাহরণস্বরূপ, ভবিষ্যদ্বাণী করা যে একটি প্রদত্ত ইমেল স্প্যাম হওয়ার 75% সম্ভাবনা রয়েছে৷ কিন্তু যদি আপনার লক্ষ্য আউটপুট সম্ভাবনা না হয় কিন্তু একটি বিভাগ-উদাহরণস্বরূপ, একটি প্রদত্ত ইমেল "স্প্যাম" বা "স্প্যাম নয়" কিনা তা অনুমান করা?
ক্লাসিফিকেশন হল কোন ক্লাসের (বিভাগ) উদাহরণের অন্তর্গত তা অনুমান করার কাজ। এই মডিউলে, আপনি শিখবেন কীভাবে একটি লজিস্টিক রিগ্রেশন মডেলকে রূপান্তর করতে হয় যা একটি সম্ভাব্যতাকে একটি বাইনারি শ্রেণীবিভাগ মডেলে ভবিষ্যদ্বাণী করে যা দুটি শ্রেণীর একটির পূর্বাভাস দেয়। আপনি একটি শ্রেণীবিভাগ মডেলের ভবিষ্যদ্বাণীগুলির গুণমান মূল্যায়ন করার জন্য উপযুক্ত মেট্রিকগুলি কীভাবে চয়ন করবেন এবং গণনা করবেন তাও শিখবেন। অবশেষে, আপনি বহু-শ্রেণির শ্রেণীবিভাগ সমস্যাগুলির একটি সংক্ষিপ্ত ভূমিকা পাবেন, যেগুলি কোর্সে পরে আরও গভীরভাবে আলোচনা করা হয়েছে।
[null,null,["2024-11-11 UTC-তে শেষবার আপডেট করা হয়েছে।"],[[["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."]]],[]]
