Публикации по теме 'logistic-regression'
Логистическая регрессия: классификатор с чувством регрессии
Объяснение логистической регрессии как классификатора, основанного на концепции регрессии.
Логистическая регрессия
Возможно, вы слышали о линейной регрессии , учитывая особенности наборов данных, вы можете предсказать выходные метки, используя линейную регрессию, полученную из этого линейного уравнения.
где:
Yi = предсказанная метка для i-го образца
Xij=j-е признаки для i-й метки
W0 = точка пересечения или вес регрессии
Wj = вес регрессии j-го признака
Прогнозируемые..
Создайте модель логистической регрессии с помощью Python
Построение модели логистической регрессии в Python включает несколько шагов: от импорта необходимых библиотек до обучения и оценки модели. Вот простой пример использования популярной библиотеки scikit-learn:
**************
импортировать pandas как pd из sklearn.model_selection; импортировать train_test_split из sklearn.preprocessing; импортировать StandardScaler из sklearn.linear_model; импортировать LogisticRegression из sklearn.metrics;
# Загрузите свой набор данных data =..
День науки о голых данных — 13
Логистическая регрессия и классификация
Логистическая регрессия — это популярный статистический метод, используемый для задач бинарной классификации, целью которых является классификация точек данных в один из двух классов на основе входных признаков. Например, классифицировать электронные письма как спам или не спам, прогнозировать, будет ли отток клиента или нет, или определить, есть ли у пациента определенное заболевание или нет.
В Python мы можем использовать библиотеку Scikit-Learn..
Объяснение логистической регрессии
Алгоритм классификации | Серия данных | Эпизод 7.1
Логистическую регрессию можно рассматривать как расширение линейной регрессии . С помощью линейной регрессии наш окончательный результат для нашей модели принял одно значение , однако с помощью логистической регрессии мы применяем дополнительную функцию к линейной регрессии, которая помещает наше окончательное выходное значение в группа, т. е. 1 или 0.
Что такое логистическая регрессия?
Логистическая регрессия - очень..
Логистическая регрессия в MATLAB: учебник с кодом и набором данных
Добро пожаловать в учебник по логистической регрессии в MATLAB с использованием набора данных из собственного хранилища наборов данных MATLAB. Логистическая регрессия — это фундаментальный и широко используемый алгоритм классификации в машинном обучении. Это особенно полезно при работе с задачами бинарной классификации, где цель состоит в том, чтобы предсказать вероятность принадлежности экземпляра к определенному классу.
В этом руководстве мы шаг за шагом проведем вас через процесс..
def costFunction(theta, X, y): J = (-1/m) * np.sum(np.multiply(y,
def costFunction(theta, X, y): J = (-1/m) * np.sum(np.multiply(y, np.log(sigmoid(X @ theta))) + np.multiply((1-y), np.log(1 — сигмоид(X @ theta)))) вернуть J
в приведенном выше коде я не понял эту строку: «sigmoid(X @ theta)». Больше всего меня смутило то, что сигмовидная функция принимает только один аргумент, а здесь их два вместе с символом @. что происходит на самом деле?
Логистическая регрессия и регуляризация: предотвращение переобучения и улучшение обобщения
Логистическая регрессия – это широко используемый алгоритм классификации, использующий линейную модель для прогнозирования вероятности бинарного результата. Это простой и эффективный способ моделирования двоичных данных, но иногда он может страдать от переобучения и плохого обобщения новых данных. Регуляризация — это метод, который может помочь смягчить эти проблемы и повысить производительность моделей логистической регрессии.
Переобучение в логистической регрессии..