РУКОВОДСТВО ПО ЛОГИСТИЧЕСКОЙ РЕГРЕССИИ
Что такое логистическая регрессия?
Раздел 1: Определение модели
Что такое алгоритм?
Логистическая регрессия (LR) - это алгоритм машинного обучения с учителем. Цель LR - предсказать классификацию выборки запроса (например, да / нет). Он предсказывает вероятность (от 0 до 1) действия, используя помеченные входные данные с помощью сигмоидной функции. Чтобы определить результат класса, значение порога выбирается в качестве порогового значения для прогнозируемого события.
Как работает алгоритм?
Шаг 1. Выполните линейную регрессию для выборки запроса, чтобы предсказать результат как непрерывное значение.
Шаг 2: пропустите выходные данные линейной регрессии через сигмовидную функцию, чтобы получить значение вероятности от 0 до 1.
Шаг 3: Определите порог (обычно 0,5).
Шаг 4: Примените порог к вероятности получения выходного значения 1 или 0.
Шаг 5: Верните метку класса (например: да / нет) → прогноз выборки запроса!
Пример алгоритма
- Когда P ≥ 0,5, Y = 1, что соответствует классу A → образец запроса классифицируется как класс A.
- Когда P ‹0,5, Y = 0, что соответствует классу B → образец запроса классифицируется как класс B.
В этом примере, поскольку пример запроса имеет вероятность
Далее - Как реализовать логистическую регрессию? Раздел 2. Построение модели на Python …
