В этом посте я кратко исследую алгоритм логистической регрессии машинного обучения.
Что такое логистическая регрессия?
Логистическая регрессия — это алгоритм машинного обучения для выполнения бинарной классификации — он действует на категориальные данные, такие как значения «Да» или «Нет». Алгоритм делает это, находя вероятность события, которое в математике мы называем сигмовидной функцией. Когда новое входное значение проталкивается через классификатор логистической регрессии, результатом будет либо 0, либо 1 в зависимости от порогового значения. Функция логистической регрессии представляет собой S-образную кривую со следующей формулой: значения x являются входными данными.
Пример логистической регрессии
Допустим, ваш автомобиль не обслуживался несколько лет и вы хотели бы узнать, сломается ли ваш автомобиль или нет. Что мы могли бы сделать, так это собрать данные о тысячах автомобилей, показывающие количество лет, прошедших с тех пор, как они обслуживались, и когда автомобиль фактически сломался. Обучив алгоритм логистической регрессии на этих данных, мы построим модель, способную решить, сломается ли ваш автомобиль — или, скорее, вероятность поломки — на основе количества лет, прошедших с момента его последнего обслуживания.
