Публикации по теме 'logistic-regression'
Классификация двоичного текста с использованием Spark ML в Pyspark
Применение алгоритмов машинного обучения к массивным наборам данных является сложной задачей, поскольку большинство лучших алгоритмов машинного обучения не предназначены для параллельных архитектур.
1. Традиционно специалисты по обработке данных использовали инструменты Python и R для обработки данных на одной машине, где перемещение данных отнимает много времени. Здесь для анализа требуется выборка, которая часто неточно представляет данные, а переход от среды разработки к..
Что такое логистическая регрессия?
Логистическая регрессия — это тип алгоритма классификации в машинном обучении, который используется для прогнозирования бинарного результата (например, 0 или 1, да или нет). Это простой и эффективный алгоритм, который хорошо подходит для линейно разделимых данных.
Чтобы понять, как работает логистическая регрессия, давайте рассмотрим простой пример. Предположим, у нас есть набор данных, состоящий из двух функций, x1 и x2, и бинарного результата y. Мы хотим использовать логистическую..
Модель биномиальной регрессии: все, что вам нужно знать
Модель биномиальной регрессии: все, что вам нужно знать
Плюс пошаговое руководство с использованием Python и statsmodels
Эта статья разделена на два раздела:
РАЗДЕЛ 1. Введение в модель биномиальной регрессии. Мы познакомимся с моделью биномиальной регрессии, посмотрим, как она вписывается в семейство обобщенных линейных моделей и почему ее можно использовать для прогнозирования шансов. увидеть случайное событие. РАЗДЕЛ 2. Использование модели биномиальной регрессии . Мы..
Алгоритм логистической регрессии машинного обучения
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,..
полученная выше ошибка исправлена следующим кодом
model <- glm(income ~. ,family=binomial(logit),data = train)
###Error### ---- Error in eval(family$initialize) : y values must be 0 <= y <= 1
полученная выше ошибка исправлена следующим кодом
Эта ошибка отслеживания может быть решена с помощью as.factor
model <- glm(as.factor(income) ~. ,family=binomial(logit),data = train)
###Error### ---- Error in eval(family$initialize) : y values must be 0 <= y <= 1
принимая в качестве фактора дохода ошибка очищается..
Data Science Pipeline — прогноз оттока, часть I
Для всех, кто изучает науку о данных, важно практиковаться на реальных данных или проблемах, связанных с реальным миром. Такой опыт не только позволяет получить опыт, но также позволяет развить аналитическое мышление при попытке решить проблему, связанную с данными, с помощью машинного обучения. В этом блоге я расскажу о пайплайне проекта по науке о данных. Это поможет вам понять, как сформулировать любой проект при попытке решить бизнес-проблему. Мы будем решать проблему..
Логистическая регрессия
Что такое логистическая регрессия?
Логистическая регрессия — это статистический метод анализа набора данных, который имеет одну или несколько независимых переменных, связанных с определенным результатом. Он используется для предсказания бинарного результата (1/0, Да/Нет, Истина/Ложь).
В отличие от линейной регрессии, которая используется для моделирования непрерывной зависимой переменной, логистическая регрессия моделирует вероятность категориальной зависимой переменной...
