Публикации по теме 'logistic-regression'
Машинное обучение и успех клиентов: автоматическая классификация отзывов (часть 2)
В первой части этой серии статей об использовании машинного обучения для успеха клиентов мы упоминали, что дадим подробный обзор реализации нашей системы классификации проблем. Мы также обсудили наш набор данных и шаги, которые необходимо предпринять для очистки сообщений в нашем наборе данных. Теперь мы рассмотрим этапы подготовки функций, как мы обучаем модель и покажем ее производительность.
Подготовка функции
В простых моделях машинного обучения мы не можем вводить текст как..
Какую функцию использует логистическая регрессия?
Айра Сейдман, недавний выпускник курса Data Science Immersive от General Assembly.
Модель логистической регрессии sklearn использует функцию логит-ссылки, которая может принимать непрерывные данные и подгонять сигмовидную кривую для прогнозирования классов. Функция логит-ссылки вычисляет вероятность успеха от 0 до 1, учитывая, сколько функций было передано; после этого расчета модель будет округляться в большую или меньшую сторону в случае проблем с бинарной классификацией. Модели..
Логистическая регрессия — вероятностная интерпретация
Логистическая регрессия — вероятностная интерпретация
Начнем с предположений, которые нам необходимо сделать
Метка класса Y принимает только два результата +1, 0, как подбрасывание монеты, и, следовательно, может рассматриваться как случайная величина Бенулли. Первое большое предположение состоит в том, что метка класса Y имеет распределение Бернулли. У нас есть признаки X= {x1,x2,x3,…xn), где каждый xi является непрерывной переменной. Следующее предположение состоит в том, что..
ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ: ВЕРОЯТНЫЙ ПОДХОД
Простой вероятностный способ логистической регрессии….
Когда я начал изучать методы классификации, я искал во многих книгах и блогах вероятностный подход и объяснение того, почему нам нужно брать на себя определенные функции. Потому что, хотя это простая концепция, многие из нас не понимают, что происходит за кулисами.
В науке о данных мы часто сталкиваемся с задачами классификации. Для задач классификации простая модель - ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ. Все используют эту модель в тот..
Логистическая регрессия: все, что вы хотите знать
Полная реализация с нуля
Логистическая регрессия используется для моделирования вероятности определенного класса, чтобы ему можно было присвоить значение 0 или 1. Это статистическая модель обучения с учителем. Это стандартный метод бинарной классификации.
Например, вы хотите предсказать, болеет человек диабетом или нет! ИЛИ Допустим, вы хотите узнать выживаемость из любого набора данных ИЛИ Любая почта является спамом (1) или нет (0).
По сути, это метод классификации...
Логистическая регрессия в реальной жизни: построение модели классификации ежедневной производительности
Логистическая регрессия - это модель классификации машинного обучения с довольно запутанным названием!
Название заставляет задуматься о линейной регрессии , но оно не используется для предсказания неограниченного, непрерывного результата. Вместо этого это модель статистической классификации, она дает вам вероятность того, что наблюдение принадлежит определенному классу.
Логистическая регрессия используется во многих областях науки. В Обработке естественного языка (НЛП) он..
Логистическая регрессия в SciKit Learn, пошаговый процесс
Логистическая регрессия - это алгоритм классификации, который используется для прогнозирования вероятности категориальной зависимой переменной. Это контролируемый алгоритм машинного обучения. Несмотря на то, что она называется логистической регрессией, она используется для задач классификации. Граница решения логистической регрессии - это линейный двоичный классификатор, который разделяет два класса, которые мы хотим предсказать, используя линию, плоскость или гиперплоскость...
