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. Et si votre objectif n'est pas de générer une probabilité, une catégorie (par exemple, prédire si un e-mail donné est considéré comme du "spam"). ou "non-spam" ?
La classification est la tâche de prédire laquelle d'un ensemble de classes (catégories) auxquelles appartient un exemple. Dans ce module, vous apprendrez à convertir un modèle de régression logistique qui prédit une probabilité classification binaire qui prédisent l'une des deux classes. Vous apprendrez également à choisir et calculer les métriques appropriées pour évaluer la qualité d'une les prédictions du 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.