Dans le module sur la régression linéaire, vous avez découvert comment créer un modèle pour effectuer des prédictions numériques continues, comme l'efficacité énergétique d'une voiture. Mais que faire si vous souhaitez créer un modèle pour répondre à des questions comme "Va-t-il pleuvoir aujourd'hui ?" ou "Est-ce que cet e-mail est du spam ?" ?
Ce module présente un nouveau type de modèle de régression appelé régression logistique, conçu pour prédire la probabilité d'un résultat donné.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2024/11/08 (UTC).
[null,null,["Dernière mise à jour le 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."]]],[]]
