Anstatt genau 0 oder 1 vorherzusagen, generiert die logistische Regression eine Wahrscheinlichkeit – einen Wert zwischen 0 und 1, ausschließlich. Nehmen wir als Beispiel ein logistisches Regressionsmodell zur Spamerkennung. Wenn das Modell den Wert 0,932 für eine bestimmte E-Mail-Nachricht ableitet, impliziert dies eine Wahrscheinlichkeit von 93,2 %, dass es sich bei der E-Mail-Nachricht um Spam handelt. Genauer gesagt bedeutet das, dass im Rahmen der unendlichen Trainingsbeispiele die Gruppe von Beispielen, für die das Modell 0,932 vorhersagt, in 93,2% der Fälle tatsächlich Spam sein wird. Die restlichen 6,8% werden nicht.
Logistische Regression
Münzen werfen?
Stellen Sie sich das Problem der Vorhersage der Wahrscheinlichkeit von Köpfen für verbogene Münzen vor
Dazu gehören beispielsweise Kurvenwinkel und Münzen.
Welches ist das einfachste Modell, das Sie verwenden können?
Was könnte da schon schiefgehen?
Logistische Regression
Viele Probleme erfordern eine Wahrscheinlichkeitsschätzung als Ausgabe
Geben Sie Logistische Regression ein.
Logistische Regression
Viele Probleme erfordern eine Wahrscheinlichkeitsschätzung als Ausgabe
Geben Sie Logistische Regression ein.
Praktisch, weil die Wahrscheinlichkeitsschätzungen kalibriert sind