Regressione logistica

Durata stimata del modulo: 35 minuti

Obiettivi di apprendimento

• Identificare i casi d'uso per eseguire la regressione logistica.
• Spiega come i modelli di regressione logistica utilizzano la funzione sigmoidea per calcolare la probabilità.
• Confronta la regressione lineare e la regressione logistica.
• Spiega perché la regressione logistica utilizza la perdita di log anziché la perdita quadratica.
• Spiega l'importanza della regolarizzazione durante l'addestramento dei modelli di regressione logistica.

Prerequisiti:

Questo modulo presuppone che tu abbia familiarità con i concetti trattati nei seguenti moduli:

• Introduzione al machine learning
• Regressione lineare

Nel modulo sulla regressione lineare, hai esplorato come costruire un modello per fare predizioni numeriche continue, come il consumo di carburante di un'auto. Ma cosa succederebbe se volessi creare un modello per rispondere a domande come "Oggi pioverà?" o "Questa email è spam?"

Questo modulo introduce un nuovo tipo di modello di regressione chiamato regressione logistica che è progettato per prevedere la probabilità di un determinato risultato.

Termini chiave:

• Regressione logistica