Il prossimoProssima guida
L'intelligenza artificiale nella logistica
Industrie
GUIDA AI FONDAMENTALI
La regressione logistica prevede la probabilità che qualcosa appartenga a una classe, come spam o meno, schiacciando una somma ponderata attraverso una curva a forma di S.
Ascolta questa guidaNarrato dall'IA · ~2 min
It matters as the foundational, highly interpretable algorithm for classification.
Nonostante il nome, la regressione logistica è un metodo di classificazione, non di regressione. Calcola una somma ponderata delle caratteristiche di input, quindi passa tale valore attraverso la funzione sigmoide (logistica), che mappa qualsiasi numero su una probabilità compresa tra 0 e 1. Se la probabilità supera una soglia, solitamente 0,5, il punto viene etichettato come positivo. Il modello apprende i suoi pesi minimizzando la perdita logaritmica (entropia incrociata), che penalizza pesantemente le previsioni errate e sicure. Uno dei principali punti di forza è l'interpretabilità: ciascun peso indica come una caratteristica sposta le probabilità logaritmiche del risultato, in modo da poter vedere quali fattori spingono una previsione verso l'alto o verso il basso. Le versioni multiclasse lo estendono utilizzando la funzione softmax.
Filtraggio dello spam e-mail: stima della probabilità che un messaggio sia spam in base alle caratteristiche della parola e del mittente.
Credit scoring: prevedere la probabilità di inadempienza di un richiedente del prestito, con contributi di ponderazione trasparenti.
Previsione del rischio medico: stima della possibilità che un paziente abbia una malattia in base ai valori dei test e ai sintomi.
Modelli di abbandono del marketing: previsione se un cliente annullerà un abbonamento il mese prossimo.
La regressione logistica resiste perché è veloce, trasparente e costituisce una solida base di riferimento rispetto alla quale vengono misurati i modelli più elaborati. In settori regolamentati come la finanza e la medicina, la sua interpretabilità lo mantiene in uso attivo laddove i modelli a scatola nera devono essere esaminati. Vive anche all'interno delle moderne reti neurali: lo strato di classificazione finale con un sigmoide o un softmax è essenzialmente una regressione logistica, quindi comprenderlo è una porta verso l'apprendimento profondo.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
La regressione logistica prevede la probabilità che qualcosa appartenga a una classe, come spam o meno, schiacciando una somma ponderata attraverso una curva a forma di S. È importante in quanto algoritmo fondamentale e altamente interpretabile per la classificazione.
La regressione logistica genera una probabilità e viene utilizzata per classificare gli elementi in classi discrete, ad esempio spam e non spam.
Il sigmoide comprime il punteggio lineare nell'intervallo da 0 a 1 in modo che l'output possa essere letto come una probabilità.
La regressione logistica viene addestrata minimizzando l'entropia incrociata, il che penalizza fortemente le stime di probabilità fiduciose ma errate.
I coefficienti appresi hanno un significato chiaro: ciascuno riflette la variazione delle probabilità logaritmiche per unità della sua caratteristica, spesso espressa come rapporto dispari.
Se la probabilità prevista supera una soglia (comunemente 0,5), il punto viene etichettato come positivo; altrimenti negativo.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
L'intelligenza artificiale nella logistica
Industrie