LegközelebbKövetkező útmutató
AI a logisztikában
Iparágak
Alapok ÚTMUTATÓ
A logisztikai regresszió megjósolja annak valószínűségét, hogy valami egy osztályhoz tartozik, például a spam vagy nem, úgy, hogy egy súlyozott összeget egy S alakú görbén átnyom.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Ez az osztályozás alapvető, jól értelmezhető algoritmusaként számít.
A logisztikus regresszió a neve ellenére nem regressziós, hanem osztályozási módszer. Kiszámítja a bemeneti jellemzők súlyozott összegét, majd ezt az értéket átadja a szigmoid (logisztikai) függvényen, amely bármely számot leképez 0 és 1 közötti valószínűségre. Ha a valószínűség átlép egy küszöbértéket, általában 0,5-öt, a pont pozitívnak lesz címkézve. A modell a log veszteség (keresztentrópia) minimalizálásával tanulja meg a súlyát, ami súlyosan megbünteti a magabiztos téves előrejelzéseket. A fő erősség az értelmezhetőség: minden súlyozás megmondja, hogy egy jellemző hogyan tolja el az eredmény logaritmusát, így láthatja, hogy mely tényezők tolják fel vagy le az előrejelzést. A többosztályú változatok a softmax funkcióval bővítik.
E-mail spamszűrés: megbecsüli annak valószínűségét, hogy egy üzenet spam a szó és a feladó funkciókból.
Credit scoring: a hitelkérelmező nemteljesítési valószínűségének előrejelzése átlátható súlyozási hozzájárulással.
Orvosi kockázat előrejelzése: a vizsgálati értékek és a tünetek alapján megbecsüljük annak esélyét, hogy a betegnek betegsége van.
Marketing lemorzsolódási modellek: annak előrejelzése, hogy az ügyfél lemond-e előfizetését a következő hónapban.
A logisztikai regresszió azért marad fenn, mert gyors, átlátható, és erős alapvonal, amelyhez képest a legkedveltebb modelleket mérik. Az olyan szabályozott területeken, mint a pénzügy és az orvostudomány, értelmezhetősége aktív használatban tartja, ahol a feketedoboz-modelleket vizsgálják. A modern neurális hálózatokon belül is él: a végső osztályozási réteg szigmoiddal vagy softmaxszal lényegében logisztikus regresszió, így ennek megértése kaput jelent a mély tanuláshoz.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A logisztikai regresszió megjósolja annak valószínűségét, hogy valami egy osztályhoz tartozik, például a spam vagy nem, úgy, hogy egy súlyozott összeget egy S alakú görbén átnyom. Ez az osztályozás alapvető, jól értelmezhető algoritmusaként számít.
A logisztikus regresszió egy valószínűséget ad ki, és arra szolgál, hogy az elemeket külön osztályokba sorolja, például spam versus nem spam.
A szigmoid a lineáris pontszámot a 0-tól 1-ig terjedő tartományba tömöríti, így a kimenet valószínűségként olvasható le.
A logisztikai regressziót a keresztentrópia minimalizálásával edzik, ami erősen megbünteti a magabiztos, de téves valószínűségi becsléseket.
A tanult együtthatók egyértelmű jelentéssel bírnak: mindegyik a jellemzőjének egységére eső log-odds változását tükrözi, gyakran esélyhányadosként kifejezve.
Ha az előre jelzett valószínűség túllép egy küszöbértéket (általában 0,5), akkor a pont pozitívnak lesz jelölve; egyébként negatív.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
AI a logisztikában
Iparágak