Публикации по теме 'logistic-regression'
Введение в логистическую регрессию в машинном обучении
Логистическая регрессия — это алгоритм машинного обучения, используемый для задач двоичной классификации, цель которого — предсказать двоичную выходную переменную (0 или 1) на основе одной или нескольких входных переменных. Она называется «логистической» регрессией, поскольку использует логистическую функцию для моделирования вероятности того, что выходная переменная принадлежит определенному классу.
Логистическая функция представляет собой S-образную кривую, которая отображает любое..
Прогноз качества белого вина
Этот анализ данных является частью моего проекта по внедрению машинного обучения. Здесь мы собираемся использовать различные методы модели машинного обучения, такие как логистическая регрессия. Мой набор данных — качество белого вина, связанное с процессом виноделия.
В процессе виноделия компании будут использовать несколько типов химических ингредиентов. Этот набор данных содержит 4898 белых вин с 11 переменными для количественной оценки химических свойств каждого вина.
Цель: —..
Линейная регрессия не всегда друг.
Линейная регрессия не всегда подходит.
Прочитав этот пост, вы будете иметь представление о:
а) Линейная регрессия
б) Логистическая регрессия
c) Как решить проблему классификации как профессионал
Проблема классификации : распределение доступных объектов по классам в зависимости от общих качеств, присущих объекту, которые присутствуют в конкретном классе.
Давайте обсудим это на примере:
В зависимости от размера опухоли мы решаем, злокачественная она или нет.
Подход 1..
Регулярная логистическая регрессия
Мы можем регуляризовать логистическую регрессию аналогично тому, как мы регуляризуем линейную регрессию. В результате мы можем избежать переобучения.
На следующем изображении показано, как регуляризованная функция, отображаемая розовой линией, с меньшей вероятностью переоборудуется, чем нерегуляризованная функция, представленная синей линией:
Функция стоимости
Напомним, что наша функция затрат для логистической регрессии была:
Мы можем упорядочить это уравнение, добавив в..
Работа с категориальными данными
Работа с категориальными данными
Для машинного обучения - многоцелевая регрессия
В нашем предыдущем разделе мы смогли значительно улучшить наш показатель R², изменив нашу модель единственной линейной регрессии на модель многомерной линейной регрессии. Это было сделано путем добавления оставшихся предикторов (функций) в нашу модель линейной регрессии и ее переоборудования (переобучения).
Это было легко сделать, потому что все наши дополнительные предикторы были числовыми..
Давайте углубимся в логистическую регрессию!
Логистическая регрессия — это алгоритм классификации машинного обучения, который используется для прогнозирования вероятности категориальной зависимой переменной . Это расширение модели линейной регрессии для задач классификации. В отличие от линейной регрессии, которая выводит непрерывные числовые значения, логистическая регрессия преобразует свои выходные данные с помощью функции логистической сигмоиды , чтобы вернуть значение вероятности , которое затем может быть сопоставлено с..
Прогноз злокачественной меланомы
ЦЕЛЬ:
В посте описывается обучение различных моделей классификации на наборе данных меланомы и поиск наиболее подходящей модели для набора данных с такими параметрами, как точность, оценка f1, матрица путаницы.
О НАБОРЕ ДАННЫХ
Данные состоят из измерений, проведенных у пациентов со злокачественной меланомой. У каждого пациента опухоль была удалена хирургическим путем в отделении пластической хирургии университетской больницы Оденсе, Дания, в период с 1962 по 1977 год. Операция..
