Regressione logistica

Durata stimata del modulo: 35 minuti

Obiettivi di apprendimento

• Identificare i casi d'uso per eseguire la regressione logistica.
• Spiegare come i modelli di regressione logistica usano la funzione sigmoidea per calcolare la probabilità.
• Confrontare la regressione lineare e quella logistica.
• Spiegare perché la regressione logistica utilizza la perdita logaritmica anziché la perdita al quadrato o una perdita di dati.
• Spiegare l'importanza della regolarizzazione nell'addestramento della logistica di regressione lineare e.

.

Prerequisiti:

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

• Introduzione al machine learning
• Regressione lineare

Nel modulo Regressione lineare, hai visto come costruire un modello per fare modelli come il consumo di carburante di un'auto. Ma cosa succede se vuoi creare un modello per rispondere a domande come "Pioverà oggi?" o "Questa email è spam?"

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

Termini chiave:

• Regressione logistica