Trong mô-đun hồi quy logistic, bạn đã tìm hiểu cách sử dụng hàm sigmoid để chuyển đổi đầu ra mô hình thô thành một giá trị từ 0 đến 1 nhằm đưa ra dự đoán có xác suất, ví dụ: dự đoán rằng một email nhất định có 75% khả năng là thư rác. Nhưng nếu mục tiêu của bạn không phải là xuất ra xác suất mà là một danh mục, chẳng hạn như dự đoán xem một email nhất định là "thư rác" hay "không phải thư rác" thì sao?
Phân loại mới là
nhiệm vụ dự đoán tập hợp lớp
(danh mục) chứa ví dụ. Trong học phần này, bạn sẽ tìm hiểu cách chuyển đổi mô hình hồi quy logistic dự đoán xác suất thành mô hình phân loại nhị phân 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 dự đoán của mô hình phân loại. Cuối cùng, bạn sẽ được giới thiệu ngắn gọn về các vấn đề phân loại nhiều lớp. Chúng ta sẽ thảo luận chi tiết hơn về các vấn đề này trong phần sau của khoá học.
[null,null,["Cập nhật lần gần đây nhất: 2024-10-22 UTC."],[[["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."]]],[]]
