Публикации по теме 'logistic-regression'


Сравнение созданных с нуля и готовых моделей логистической регрессии
В недавнем посте я сравнил сделанную с нуля линейную регрессию с ее эквивалентом готовой версии. В этом посте я обнаружил, что в наборе данных, который я использовал для сравнения, по крайней мере, оценка линейной регрессии sklearn превзошла версию оценки, созданную с нуля. Этот пост можно прочитать здесь…
Наивный байесовский классификатор: Часть 2. Характеристика и оценка
Растворы в закрытой форме сладкие. Не нужно заламывать руки или махать руками, чтобы подчеркнуть свою точку зрения. Учитывая предположения, прогнозы модели точны, поэтому мы можем легко оценить влияние предположений. И мы получаем средства для оценки альтернативных (например, численных) подходов, применяемых к тем же предельным случаям, с точным решением. Мы, конечно, говорим о предыдущем посте , где мы получили решения в замкнутой форме для наивных байесовских предсказанных границ..
Понимание матрицы путаницы и ее использование в машинном обучении (ML)
В мире машинного обучения и науки о данных модели классификации играют ключевую роль в самых разных приложениях. Эти модели, от анализа настроений до диагностики заболеваний, позволяют нам принимать обоснованные решения на основе шаблонов и прогнозов. Однако оценка производительности и точности этих моделей необходима для обеспечения их надежности и эффективности. Именно здесь матрица путаницы выступает в качестве мощного инструмента для оценки, обеспечивающего всестороннее представление..
Концепция машинного обучения 34: Простое объяснение логистической регрессии
Логистическая регрессия Логистическая регрессия — это популярный алгоритм классификации, используемый в машинном обучении для прогнозирования вероятности возникновения события на основе набора входных признаков. Он используется для моделирования связи между зависимой переменной (бинарной или категориальной) и одной или несколькими независимыми переменными (непрерывными или категориальными). В этом объяснении мы рассмотрим логистическую регрессию математически, включая подходы,..
Сравнительное исследование фильтрации спама в электронной почте с использованием алгоритмов классификации
Аннотация Электронные письма со спамом являются постоянным источником разочарования для среднего пользователя Интернета. Проблема фильтрации спам-сообщений является важной для поставщиков услуг электронной почты, чтобы свести к минимуму эту нежелательную форму связи, которая также часто представляет угрозу кибербезопасности. Здесь я изучаю два популярных алгоритма классификации машинного обучения, логистической регрессии (LR) и машин опорных векторов (SVM), чтобы помочь решить эту..
Сила логистической регрессии: руководство для начинающих
Логистическая регрессия — мощный инструмент для прогнозирования бинарных результатов. Независимо от того, пытаетесь ли вы предсказать вероятность того, что клиент совершит покупку, пациент заразится болезнью или студент сдаст экзамен, логистическая регрессия может помочь вам сделать обоснованные прогнозы на основе данных. Но что такое логистическая регрессия и чем она отличается от других типов регрессии? В этом сообщении блога мы углубимся в основы логистической регрессии, включая ее..
Классификация сердечной недостаточности с помощью логистической регрессии в Python — Руководство для начинающих
Сердечная недостаточность — распространенная проблема со здоровьем, от которой страдают миллионы людей во всем мире. Раннее выявление и лечение могут значительно улучшить качество жизни пациента. Поэтому в этой статье я расскажу, как использовать логистическую регрессию Scikit-Learn в Python для классификации сердечной недостаточности. Scikit-Learn — популярная библиотека машинного обучения на Python, которая предоставляет ряд инструментов и алгоритмов для различных задач, включая..