Regresi Logistik untuk Ya/Tidak

Klasifikasi memprediksi sebuah kategori, bukan angka. Apakah email ini spam atau bukan? Itulah jawaban ya atau tidak yang kita cari. ✉️

Regresi logistik merupakan titik awal klasik untuk masalah dua kelas. Metode ini sederhana, cepat, dan ternyata sulit dikalahkan.

Meskipun namanya demikian, regresi logistik mengembalikan probabilitas antara 0 dan 1, seperti peluang 0,82 bahwa pelanggan ini akan berhenti berlangganan.

Sebuah kurva yang disebut sigmoid memampatkan nilai apa pun ke rentang 0 hingga 1. Begitulah skor mentah menjadi probabilitas yang jelas.

Anda membuatnya seperti estimator lainnya: impor kelasnya, lalu buat objek model yang siap untuk belajar.

Berikan fitur dan label Anda dengan fit, lalu model mempelajari bobot yang memisahkan kedua kelas.

Panggil predict untuk mendapatkan kelas yang dipilih bagi setiap baris, dengan mengembalikan 0 atau 1 untuk setiap contoh.

Ingin melihat tingkat keyakinan mentahnya? predict_proba memberikan probabilitas setiap kelas, sehingga Anda dapat melihat seberapa yakin model tersebut.

Untuk mengubah probabilitas menjadi label, bandingkan probabilitas tersebut dengan sebuah ambang, biasanya 0,5. Nilai di atasnya berarti ya, sedangkan di bawahnya berarti tidak.

Anda dapat sengaja menaikkan atau menurunkan ambang tersebut. Batas yang lebih ketat menangkap lebih sedikit kasus, tetapi lebih yakin terhadap setiap kasus yang ditangkap.

Setiap fitur mendapat sebuah koefisien. Koefisien positif mendorong prediksi ke arah ya, sedangkan koefisien negatif mendorongnya ke arah tidak.

Regresi logistik mengubah fitur menjadi probabilitas, lalu ambang menentukan ya atau tidak. Sederhana, cepat, dan merupakan pengklasifikasi pertama yang sangat baik. 🎯