Im Linearen Regressionsmodul haben Sie erfahren, wie Sie ein Modell erstellen, um kontinuierliche numerische Vorhersagen zu machen, z. B. die Kraftstoffeffizienz eines Autos. Was aber, wenn Sie ein Modell erstellen möchten, um Fragen wie „Wird es heute regnen?“ oder „Ist diese E-Mail Spam?“ zu beantworten?
In diesem Modul wird ein neues Regressionsmodell namens logistische Regression vorgestellt, mit dem die Wahrscheinlichkeit eines bestimmten Ergebnisses vorhergesagt werden kann.
[null,null,["Zuletzt aktualisiert: 2024-11-08 (UTC)."],[[["This module introduces logistic regression, a model used to predict the probability of an outcome, unlike linear regression which predicts continuous numerical values."],["Logistic regression utilizes the sigmoid function to calculate probability and employs log loss as its loss function."],["Regularization is crucial when training logistic regression models to prevent overfitting and improve generalization."],["The module covers the comparison between linear and logistic regression and explores use cases for logistic regression."],["Familiarity with introductory machine learning and linear regression concepts is assumed for this 35-minute module."]]],[]]
