Логистическая регрессия — это алгоритм классификации, который рисует границу, чтобы различать 2 или более классов, граница может быть линейной или нелинейной. Начальная логика такая же, как и в линейной регрессии, где у нас есть функция стоимости, которая представляет собой разницу между реальными значениями зависимой переменной и граничными значениями решения. Но поскольку это классификация (и для более ясного объяснения мы рассматриваем бинарную классификацию), то функция гипотезы..

В этом блоге мы подробно обсудим логистическую регрессию, ее типы, проблемы, которые она помогает нам решать, функцию стоимости, градиентный спуск и его реализацию на Python. Итак, прежде чем приступить к логистической регрессии, мы должны знать, что именно такое регрессия . Что такое регрессия? Регрессионный анализ - это форма метода прогнозного моделирования, который исследует взаимосвязь между зависимой переменной (целью) и независимой переменной (предиктором)...

Линейные и логистические связи существенно эффективны в тех случаях, когда между переменными существует монотонная связь. На рисунке ниже показано, в чем разница между монотонными и немонотонными отношениями. В случае монотонной зависимости, как показано ниже, если одна переменная увеличивается, другая также увеличивается, или если одна переменная уменьшается, другая также уменьшается. Общие аддитивные модели (GAM) используются для моделирования немонотонных ответов при использовании..

Тема: Этот блог является расширением Исследовательского анализа данных о преимуществах домашней команды в НБА 2004–2020 , который можно найти здесь . В исследовании EDA было обнаружено, что передачи, процент трехочковых и процентный процент бросков с игры оказали наибольшее влияние на то, почему домашние команды НБА выигрывали почти в 60% случаев. Используя эти выводы в качестве основы для дальнейшего анализа, мы попытаемся использовать игровую статистику для прогнозирования исходов игр..