Alih-alih memprediksi persis 0 atau 1, regresi logistik menghasilkan probabilitas—nilai antara 0 dan 1, eksklusif. Misalnya, pertimbangkan model regresi logistik untuk deteksi spam. Jika model menyimpulkan nilai 0,932 pada pesan email tertentu, kemungkinan 93,2% bahwa pesan email adalah spam. Lebih tepatnya, hal tersebut berarti bahwa dalam batas contoh pelatihan yang tak terbatas, set contoh untuk model dengan prediksi 0,932 benar-benar akan menjadi spam sebesar 93,2% dan 6,8% sisanya tidak.
Regresi Logistik
Memprediksi Lempar Koin?
Bayangkan masalah memprediksi prediksi Kepala untuk koin yang bengkok
Anda dapat menggunakan fitur seperti sudut bengkok, massa koin, dll.
Apa model paling sederhana yang bisa Anda gunakan?
Masalah apa yang bisa terjadi?
Regresi Logistik
Banyak masalah memerlukan estimasi probabilitas sebagai output
Masukkan Regresi Logistik
Regresi Logistik
Banyak masalah memerlukan estimasi probabilitas sebagai output
Masukkan Regresi Logistik
Berguna karena estimasi probabilitas dikalibrasi
misalnya, p(rumah yang akan terjual) * harga = hasil yang diharapkan
Regresi Logistik
Banyak masalah memerlukan estimasi probabilitas sebagai output
Masukkan Regresi Logistik
Berguna karena estimasi probabilitas dikalibrasi
misalnya, p(rumah yang akan terjual) * harga = hasil yang diharapkan
Juga berguna saat kita memerlukan klasifikasi biner
spam atau bukan spam? → p(Spam)
Regresi Logistik -- Prediksi
$$ y' = \frac{1}{1 + e^{-(w^Tx+b)}} $$
\(\text{Where:} \)
\(x\text{: Provides the familiar linear model}\)
\(1+e^{-(...)}\text{: Squish through a sigmoid}\)