在邏輯迴歸模組中 您已學會如何使用 S 函數 ，將原始模型輸出內容轉換為介於 0 到 1 之間的值，藉此進行機率性 例如預測特定電子郵件 都是垃圾內容不過，如果您的目標是產生機率 類別—例如，預測特定電子郵件是否為「垃圾郵件」或「非垃圾郵件」？
分類為 用來預測哪些類別 範例所屬的所有類別。在本單元中 這個邏輯迴歸模型可以預測 二元分類 用於預測兩個類別之一您也會瞭解如何選擇及計算適當的指標，以評估分類模型的預測品質。最後，您將簡要瞭解多類別分類問題，本課程稍後會進一步討論這項問題。
除非另有註明，否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權，程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間：2024-10-22 (世界標準時間)。
[null,null,["上次更新時間：2024-10-22 (世界標準時間)。"],[[["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."]]],[]]