100 Ngày học Machine Learning Code- Ngày 4

Ngày 4: Hồi quy Logistic

Trong 2 ngày tới đây chúng ta sẽ làm quen với kiến thức về Hồi quy Logistic ( Logistic Regression). Các nội dung kiến thức cần hoàn thành ngày thứ 4 được trình bày trong infographic phía dưới bài viết này. 

Hồi quy logistic là gì?

Hồi quy logistic được sử dụng cho một tập vấn đề khác biệt được gọi là vấn đề phân cấp. Mục đích ở đây là dự đoán các nhóm theo cách phân loại các nhóm đối tượng được quan sát. Nó cung cấp cho bạn một kết quả nhị phân rời rạc giữa 0 và 1.

Một ví dụ đơn giản sẽ là một người sẽ bỏ phiếu hay không trong cuộc bầu cử sắp tới.

Nó hoạt động như thế nào?

Hồi quy logistic đo lường mối quan hệ giữa biến phụ thuộc (nhãn của chúng tôi, những gì chúng tôi muốn dự đoán) và một hoặc nhiều biến độc lập (tính năng của chúng tôi), bằng cách ước tính xác suất sử dụng hàm logistic cơ bản của nó.

Đưa ra dự báo

Những xác suất này sau đó phải được chuyển thành giá trị nhị phân để thực sự đưa ra dự đoán. Đây là nhiệm vụ của hàm logistic, còn được gọi là hàm sigmoid. Giá trị này từ 0 đến 1 sau đó sẽ được chuyển thành 0 hoặc 1 bằng cách sử dụng trình phân loại ngưỡng.

Hồi quy logistic và hồi quy tuyến tính

Hồi quy logistic mang lại cho bạn một kết quả riêng biệt nhưng hồi quy tuyến tính cho kết quả liên tục.

Hàm Sigmoid

Hàm Sigmoid được biểu thị là một đường cong chữ S có thể lấy bất kỳ số có giá trị thực nào và ánh xạ nó thành một giá trị giữa phạm vi 0 và 1, nhưng không bao giờ chính xác ở các giới hạn đó.

Bài viết này chỉ là trực giác hồi quy Logistic và rất ngắn gọn. Logic toán học và phần thực hiện sẽ được đề cập trong một phần khác.

Còn tiếp…

Nguồn: Github.com

Nội dung của bài viết này có ích với bạn không? Hãy cho chúng tôi biết bằng cách comment phía dưới bài viết này nhé.
Những đánh giá và đóng góp của bạn sẽ tiếp thêm động lực để chúng tôi phát triển thêm về nội dung và chủ đề liên quan.
Chân thành cám ơn!

 

Bài viết liên quan:

Phản hồi

phản hồi

0 replies

Leave a Reply

Want to join the discussion?
Feel free to contribute!

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

Website này sử dụng Akismet để hạn chế spam. Tìm hiểu bình luận của bạn được duyệt như thế nào.