Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Trong Mô-đun hồi quy tuyến tính, bạn đã tìm hiểu cách xây dựng mô hình để đưa ra dự đoán dạng số liên tục, chẳng hạn như hiệu suất nhiên liệu của ô tô. Nhưng nếu bạn muốn xây dựng một mô hình
để trả lời các câu hỏi như "Hôm nay trời có mưa không?" hoặc "Email này có phải là thư rác không?"
Mô-đun này giới thiệu một loại mô hình hồi quy mới có tên là hồi quy logistic. Mô hình này được thiết kế để dự đoán xác suất của một kết quả nhất định.
[null,null,["Cập nhật lần gần đây nhất: 2025-07-27 UTC."],[[["\u003cp\u003eThis module introduces logistic regression, a model used to predict the probability of an outcome, unlike linear regression which predicts continuous numerical values.\u003c/p\u003e\n"],["\u003cp\u003eLogistic regression utilizes the sigmoid function to calculate probability and employs log loss as its loss function.\u003c/p\u003e\n"],["\u003cp\u003eRegularization is crucial when training logistic regression models to prevent overfitting and improve generalization.\u003c/p\u003e\n"],["\u003cp\u003eThe module covers the comparison between linear and logistic regression and explores use cases for logistic regression.\u003c/p\u003e\n"],["\u003cp\u003eFamiliarity with introductory machine learning and linear regression concepts is assumed for this 35-minute module.\u003c/p\u003e\n"]]],[],null,["# Logistic Regression\n\n| **Estimated module length:** 35 minutes\n| **Learning Objectives**\n|\n| - Identify use cases for performing logistic regression.\n| - Explain how logistic regression models use the sigmoid function to calculate probability.\n| - Compare linear regression and logistic regression.\n| - Explain why logistic regression uses log loss instead of squared loss.\n| - Explain the importance of regularization when training logistic regression models.\n| **Prerequisites:**\n|\n| This module assumes you are familiar with the concepts covered in the\n| following modules:\n|\n| - [Introduction to Machine Learning](/machine-learning/intro-to-ml)\n| - [Linear regression](/machine-learning/crash-course/linear-regression)\n\nIn the [Linear regression module](/machine-learning/crash-course/linear-regression),\nyou explored how to construct a model to make continuous numerical\npredictions, such as the fuel efficiency of a car. But what if you want to build\na model to answer questions like \"Will it rain today?\" or \"Is this email spam?\"\n\nThis module introduces a new type of regression model called\n[**logistic regression**](/machine-learning/glossary#logistic_regression)\nthat is designed to predict the probability of a given outcome. \n| **Key terms:**\n|\n- [Logistic regression](/machine-learning/glossary#logistic_regression) \n[Help Center](https://support.google.com/machinelearningeducation)"]]
