Model regresi logistik itu sendiri hanya memodelkan kebarangkalian output dari segi input dan tidak melakukan pengelasan statistik (ia bukan pengelas), walaupun ia boleh digunakan untuk membuat pengelas, contohnya dengan memilih nilai cutoff dan mengklasifikasikan input dengan kebarangkalian lebih besar daripada cutoff sebagai satu …
Bagaimanakah regresi logistik boleh digunakan sebagai pengelas?
Regression logistik ialah algoritma pengelasan yang mudah tetapi sangat berkesan jadi ia biasanya digunakan untuk banyak tugas pengelasan binari. … Model regresi logistik mengambil persamaan linear sebagai input dan menggunakan fungsi logistik serta kemungkinan log untuk melaksanakan tugas pengelasan binari.
Adakah regresi logistik satu klasifikasi atau regresi?
Regression logistik ialah algoritma pengelasan yang digunakan untuk menetapkan pemerhatian kepada set kelas yang diskret. Beberapa contoh masalah klasifikasi ialah E-mel spam atau bukan spam, Transaksi dalam talian Penipuan atau bukan Penipuan, Tumor Malignant atau Benign.
Mengapa regresi logistik menjadi pengelas?
Regresi logistik pada asasnya ialah algoritma pengelasan diselia. Dalam masalah klasifikasi, pembolehubah sasaran (atau output), y, boleh mengambil hanya nilai diskret untuk set ciri (atau input), X. Bertentangan dengan kepercayaan popular, regresi logistik ADALAH model regresi.
Adakah regresi logistik pengelas linear?
Regression Logistik secara tradisinya telah digunakan sebagai pengelas linear, iaitu apabila kelas boleh diasingkan dalam ruang ciri mengikut sempadan linear. Walau bagaimanapun, itu boleh diperbaiki jika kita mempunyai idea yang lebih baik tentang bentuk sempadan keputusan… … Sempadan keputusan adalah linear.
